Analisis statistik

E. Analisis statistik

a. Uji t statistik

Merupakan pengujian variabel secara individu atau sendiri- sendiri yang dilakukan untuk melihat apakah variabel Independen berpengaruh secara statistik terhadap variabel dependen. Dari penelitian ini maka model empirik yang akan diuji adalah sebagai berikut:

LSav = 5.061219 + 0.543498 + 0.254174 + 0.408188 + ui

Tabel 4.22 Hasil Uji t-Statistik2 (α = 5%)

Variabel Independen

t-statistik

t-tabel

df (n-k)

Tidak Signifikan

Tidak Signifikan

Sumber: Hasil olahan E-Views 6.0, Juni 2012

1) Variabel Inc (Pendapatan)

commit to user

Ho ditolak Ho diterima

t tabel 1,96, memiliki nilai signifikansi 0,0272 dibawah α = 0,05 maka Ho ditolak dan menerima Ha yang artinya variabel pendapatan mempunyai pengaruh signifikan terhadap jumlah tabungan secara statistik.

Daerah Tolak

Gambar 4.2 Daerah Kritis Variabel Pendapatan

2) Variabel Cost (Biaya) Berdasarkan hasil olahan data diperoleh nilai t hitung 0.803046> t tabel 1,96, memiliki nilai signifikansi 0,0049 dibawah α = 0,05. Untuk koefisien biaya nilai positif maka Ho diterima dan menolak Ha yang artinya variabel biaya tidak pengaruh terhadap jumlah tabungan secara statistik.

Daerah terima

Daerah Tolak

1,96

2,304

commit to user

Gambar 4.3 Daerah Kritis Variabel Biaya

3) Variabel D1 (Religiusitas/D1)

Berdasarkan hasil olahan data diperoleh nilai t hitung 0.803046 < t tabel 1,96, memiliki nilai signifikansi 0,4274 diatas α = 0,05 maka Ho diterima dan menolak Ha yang artinya variabel Religi tidak mempunyai pengaruh terhadap jumlah tabungan secara statistik.

Ho ditolak

Gambar 4.4 Daerah Kritis Variabel Religiusitas

b. Uji F - Statistik (Uji Secara Bersama-sama)

Uji F adalah uji untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen secara bersama-sama. Jika nilai F hitung lebih kecil dari nilai F tabel (pada tingkat signifikansi 5%), maka Ho diterima yang berarti bahwa secara bersama-sama variabel independen tidak berpengaruh terhadap variabel dependen pada tingkat signifikansi 5%. Sebaliknya, jika nilai

F hitung lebih besar daripada F tabel (pada tingkat signifikansi 5%),

1,96

0.80304

Ho diterima

commit to user

independen berpengaruh secara signifikan terhadap variabel dependen pada tingkat signifikansi 5%.

Tabel 4.23 Hasil Uji F-Statistik (α = 5%)

Variabel Dependen

Variabel Independen

F- statistik

F-tabel

df (k-1; n-k)

Kesimpulan

Sav

Inc,Cost ,D1

4.16 2,87

Signifikan

Sumber: Hasil olahan E-Views 6.0, Agustus 2012

Berdasarkan dari hasil pengolahan yang diperoleh dari model log-linier ,

nilai

F hitung 4.16>F tabel 2.87,

dengan probabilitas signifikansinya sebesar 0,012 yang berarti signifikan pada taraf signifikansi 5%. Hal ini berarti bahwa dalam hasil regresi dengan log- linier secara bersama-sama variabel pendapatan, biaya, variabel religi mempunyai pengaruh yang signifikan/nyata terhadap jumlah tabungan pada derajat signifikansi 5%.

Ho diterima

Ho ditolak

2,87 4.16

commit to user

Gambar 4.5 Daerah Kritis Uji F Statistik

c. Uji R 2 (Koefisien Determinasi)

Uji Koefisien Determinasi (R 2 ) dilakukan untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat (dependen). Uji ini dapat dilihat dari koefisien determinasi R 2 . Besarnya R 2 menunjukkan pengaruh yang dijelaskan oleh variabel dependen. Berdasarkan hasil pengolahan data diperoleh nilai R 2 sebesar 0,199 atau sekitar 0,199 %. Hal ini berarti bahwa 19 %variabel jumlah tabungan dapat dijelaskan olehvariabel pendapatan, biaya ,Variabel religi, sedangkan sisanya 81% dijelaskan oleh variabel-variabel lain diluar model.

d. Uji Multikolinieritas

Multikolinearitas adalah suatu keadaan dimana terjadi hubungan linear yang sempurna atau mendekati sempurna diantara beberapa atau semua variabel independen.

Untuk

mengetahui adanya multikolinearitas digunakan metode Klein, yaitu membandingkan nilai r 2 regresi variabel independen satu terhadap variabel independent lainnya dengan nilai koefisien determinasi (R 2 ). Jika R 2 > r 2 maka tidak terjadi multikolinearitas, dan jika R 2 <r 2 terjadi multikolinearitas.

commit to user

Tabel 4.24

Hasil r 2 Pada Regresi Antar Variabel Independen

Variabel Dependen

Variabel Independen

r 2 R 2 Kesimpulan

Tidak ada multikolinier

D1 0,097

0,262991

Tidak ada multikolinier

Tidak ada multikolinier

D1 0,106

0,262991

Tidak ada multikolinier

D1 LCost

0,097

0,262991

Tidak ada multikolinier

Tidak ada multikolinier

Sumber: Hasil olahan E-Views 6.0, Agustus 2012 (Lampiran)

Dari tabel di atas dihasilkan bahwa semua korelasi antar variabel independen memiliki nilai r 2 yang lebih kecil jika dibandingkan dengan R 2 (r 2 <R 2 ). Berdasarkan hal tersebut, maka dapat disimpulkan

commit to user

multikolinearitas.

e. Heteroskedastisitas

Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya. Untuk mengetahui apakah terjadi atau tidak heteroskedastis dilakukan dengan Uji White. Dimana keputusan ada tidaknya heteroskedastisitas berdasarkan besar kecilnya nilai Obs*R2 .

Jika nilai Obs*R2 <χ 2 dengan derajat kepercayaan tertentu, maka tidak terjadi masalah heteroskedastisitas dan sebaliknya apabila

nilai Obs*R2 >χ 2 dengan derajat kepercayaan tertentu, maka terjadi masalah heteroskedastisitas. Atau dengan melihat probabilitas

Obs*R2, jika probabilitas Obs*R2 > α, maka tidak terjadi masalah heteroskedastik, begitu juga sebaliknya.

Tabel 4.25

Hasil Uji White untuk Mendeteksi Heteroskedastisitas

White Heteroskedasticity Test:

Obs*R-squared

5.176670 Probability

0.7385 Sumber: Hasil olahan E-Views 6.0, Agustus 2012 (Lampiran)

commit to user

(nilai Obs*R- squared) lebih kecil dari χ 2 tabel yakni 5.176670 (nilai Obs*R-squared) < 21.0621 (nilai α = 5%, df 12 = 21,0621) dan nilai probabilitas dari sebagian variabel lebih besar dari nilai taraf signifikansi 5%, maka pada model tersebut tidak terjadi masalah heteroskedastisitas.

f. Uji Autokorelasi

Uji ini dilakukan dengan meregresi semua variabel bebas dan variabel tak bebas, kemudian dilakukan uji Breusch Godfrey terhadap residu dari hasil model tersebut. Dari model tersebut akan diperoleh

Obs*R- squared (χ 2 hitung ) untuk kemudian dibandingkan dengan χ 2 tabel

dengan derajat kebebasan 1 dalam tabel statistik Chi Square menggunakan tingkat signifikansi 5%.

Kriteria pengujiannya adalah jika nilai Obs*R- squared (χ 2 hitung ) lebih besar dari χ 2 tabel , maka terdapat masalah autokorelasi dan

sebaliknya bila Obs*R- squared (χ 2 hitung ) lebih kecil dari χ 2 tabel , maka tidak terdapat masalah autokorelasi.

Tabel 4.26

Hasil Uji Breusch Godfrey untuk Mendeteksi Autokorelasi Breusch-Godfrey Serial Correlation LM Test:

Obs*R-squared

0.161137 Probability

0.6881 Sumber: Hasil olahan E-Views 6.0, Agustus 2012 (Lampiran)

commit to user

sebesar 0,161137 sedangkan nilai χ 2 tabel (α = 0,05 ; df = 1) dalam tabel statistik Chi Square sebesar 3,84146. Dengan demikian dapat dilihat bahwa nilai Obs*R- squared (χ 2 hitung ) lebih kecil dari χ 2 tabel , maka tidak terdapat masalah autokorelasi.