BAB III METODOLOGI PENELITIAN
4.2 Analisis Data Penelitian
4.2.1 Asumsi Klasik
Untuk mengetahui apakah koefisien regresi yang didapat telah sahih (benar,
dapat diterima), maka perlu melakukan pengujian terhadap kemungkinan adanya
pelanggaran asumsi klasik. Penerapan pengujian asumsi klasik regresi linier
dilakukan terhadap data residual, kecuali uji asumsi multikolinieritas. Adapun
asumsi klasik regresi linier adalah sebagai berikut :
1. Error (residual) tidak mengalami autokolerasi
Adanya autokolerasi pada error mengidentifikasi bahwa ada satu atau
beberapa factor (variabel) penting yang mempengaruhi variabel terikat
yang tidak dimasukkan kedalam model regresi. Untuk mengetahui ada
dengan jumlah variabel bebas (k) dan jumlah data (n) sehingga diketahui
dL dan dU maka dapat diperoleh distribusi daerah keputusan ada atau tidak
terjadinya autokolerasi.
k = 2 n = 36
dL = 1,354 dU = 1,587
d = 1,769
Gambar 4.1 Distribusi Daerah keputusan autokolerasi
1,769
Sumber : Lampiran
Tidak Ada Autokorelasi positif dan tidak
ada autokorelasi negatif
Ad
a A
u
to
k
o
rel
as
i
D
aer
ah
K
era
g
u
-ra
g
u
an
D
aer
ah
k
era
g
u
-ra
g
u
an
du =
1,576
1,354 1,587 2,413 2,646A
d
a A
u
to
k
o
rel
as
i
Tampak pada kurva Durbin Watson di atas, bahwa nilai Durbin Watson pada
penelitian ini (1,769) berada diantara du (1,587) dengan 4-du (2,413), sehingga
dapat dikatakan model regresi yang dihasilkan tidak terjadi autokorelasi atau
asumsi tidak ada autokolerasi terpenuhi.
2. Ragam dari Error (residual) bersifat homogen (homoskedastik)
Maksud dari ragam bersifat homogen adalah bahwa error memiliki nilai
ragam yang sama antara error ke-I dan error ke-j. bagaimanapun juga, error
sebenarnya berupa data. Hanya saja, sangat sulit atau bahkan tidak mungkin
untuk mengetahui nilainya secara pasti. Oleh karena itu, diperlukan suatu
penduga data dari error. Data penduga yag paling tepat adalah data residual.
Jika varians dari residual dari suatu pengamatan ke pengamatan lain
berbeda, maka disebut terdapat heterokedastisitas. Metode regresi yang baik
seharusnya tidak terjadi heterokedastisitas. (Ghozali, 2001 : 60)
Deteksi adanya heteroskedastisitas :
1. Dari Sceater Plot Residual : jika ada pola tertentu (seperti titik-titik /
point-point) yang ada membentuk pola tertentu yang teratur (bergelombang,
menyebar kemudian menyempit).
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas 0 pada
sumbu Y, maka tidak terjadi Heteroskedastisitas.
3. Tidak terjadi multikolinieritas antar variabel X
Multikolinieritas berarti bahwa terjadi korelasi linier yang erat antar
dimana nilai VIF > 10 mengidentifikasi adanya multikolinieritas yang serius.
Adapun nilai VIF yang dihasilkan adalah sebagai berikut :
Tabel 4.1 : Nilai VIF
No. Variabel Bebas VIF
1. Laba Usaha (X1) 3,194
2. Jaminan Usaha (X2) 3,194
Sumber : Lampiran
Berdasarkan tabel diatas terlihat bahwa nilai VIF kurang dari 10, hal ini
berarti tidak terjadi multikolinieritas pada variabel laba usaha (X1) dan
jaminan usaha (X2).
4. Error (residual) menyebar normal dengan rata-rata nol dan suatu ragam (variance) tertentu
Statistic uji yang paling sering digunakan untuk menguji asumsi
kenormalan error (residual) adalah Kolmogrov-Smirnov normality test.
Apabila nilai p-value (tingkat signifikan) lebih besar dari α = 5%, maka H0 diterima yang artinya asumsi kenormalan residual tidak dilanggar. Adapun
Tabel 4.2 : Hasil Uji Normalitas
Sumber : Lampiran
Berdasarkan tabel diatas menunjukkan bahwa distribusi data pada residual
adalah distribusi normal, karena tingkat signifikan lebih dai 0,05 (sig = 0,96).
Dalam regresi OLS (Ordinary Least square) b0, b1, b2 dan b3 adalah fungsi
linier dai Y dan Y adalah fungsi linier dari ui (residual). Distribusi sampling
dari regresi OLS tergantung pada distribusi residual (ui), apabila residual (ui)
berdistribusi normal dengan sendirinya b0, b1, dan b2 juga berdistribusi normal
(Gujarati, 1995 : 66-67)
4.2.2 Persamaan Regresi Linier Berganda
Analisis data untuk menggambarkan pengaruh antara variabel terikat (Y)
dengan beberapa variabel bebas (X1, X2, …. Xp) dapat dilakukan dengan metode regresi berganda. Adapun hasil pengolahan analisis regresi linier berganda dapat
dilihat pada tabel di bawah ini :
One-Sample Kolmogorov-Smirnov Test
36 36 36 36 54250000 1E+008 4108659.7 .0000000 47939471 8E+007 3102476.7 20622440.42 .202 .226 .200 .206 .202 .226 .200 .153 -.178 -.113 -.145 -.206 1.212 1.355 1.201 1.233 .106 .051 .112 .096 N Mean Std. Dev iation Normal Parametersa,b
Absolute Positiv e Negativ e Most Extreme Dif f erences Kolmogorov -Smirnov Z Asy mp. Sig. (2-tailed)
y =realisasi x1=laba x2=jaminan
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated f rom data. b.
Tabel 4.3 : Persamaan Regresi Linier Berganda
Model Koefisien regresi
Konstanta -7861201.3
Laba Usaha (X1) 0,266
Jaminan Usaha (X2) 7,897
Sumber : Lampiran
Berdasarkan tabel diatas, maka persamaan yang didapat adalah :
Y = -7861201,3 + 0.266 X1 + 7,897 X2
Dari persamaan regresi di atas dapat diperoleh penjelasan sebagai berikut :
1. Koefisien regresi variabel laba usaha (X1) sebesar 0,266 yang artinya
jika laba usaha (X1) naik Rp. 1, maka keputusan jumlah pemberian
kredit investasi di PD. Bank BPR Gresik (Y) akan naik sebesar 0,266
% dengan asumsi variabel bebas lainnya konstan.
2. Koefisien regresi variabel jaminan usaha (X2) sebesar 7,897 yang
artinya jika jaminan usaha (X2) naik Rp. 1, maka keputusan jumlah
pemberian kredit investasi pada PD Bank BOR Gresik ajan naik 7,897
% dengan asumsi variabel bebas lainnya konstan.
4.2.3 Uji F
Hasil uji F dapat digunakan untuk mengetahui kecocokan model regresi linier
5% maka model regresi linier beeganda yang dihasilkan adalah cocok untuk
mengetahui pengaruh variabel laba usaha (X1) dan jaminan usaha (X2) terhadap
keputusan jumlah pemberian kredit investasi di PD. BPR Gresik (Y). adapun
hasil dari uji F sebagai berikut :
Tabel 4.4 : Hasil Uji F
Sumber : Lampiran
Hasil analisis uji F dengan menggunakan model ini menunjukkan hasil yang
signifikan, maka dapat disimpulkan bahwa analisis regresi berganda yang
digunakan untuk melihat pengaruh secara simultan antara variabel bebas dengan
variabel terikat diperoleh dengan hasil analisis yang signifikan dan positif
dengan tingkat signifikan 0,000. Atatu dengan kata lain analsisi secara simultan
ini terbukti kebenarannya.
Berdasarkan tabel diatas menunjukkan bahwa nialai Fhitung sebsar 73,664
dengan tingkat signifikan lebih kecil dari 5% yaitu sebesar 0,000. Hal ini berarti
model regresi yang dihasilkan adalah cocok atau sesuai untuk mengetahui ANOVAb 7E+016 2 3.278E+016 72.664 .000a 1E+016 33 4.511E+014 8E+016 35 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), x2=jaminan, x1=laba a.
Dependent Variable: y =realisasi b.
pengaruh laba usaha (X1) dan jamina usaha (X2) terhadap keputusan pemberian
kredit investasi pada PD. BPR Gresik (Y).
4.2.4 Koefisien Determinasi
Besarnya pengaruh laba usaha (X1) dan jamina usaha (X2) terhadap keputusan
jumlah pemberian kredit invetasi di PD. Bank BPR Gresik (Y) dapat dilihat dari
nilai koefisien determinasi. Adapun nilai koefisien determinasi yang dihasilkan
sebagai berikut :
Tabel 4.5 : Nilai Koefisen Determinasi
Sumber : Lampiran
Nilai koefisien determinasi yang dihasilkan sebesar 0,815 (81,5 %) yang
berarti besarnya pengaruh laba usaha (X1) dan jamina usaha (X2) terhadap
keputusan jumlah pemberian kredit invetasi di PD. Bank BPR Gresik (Y) adalah
81,5 % sedangkan sisanya 18,5 % dipengaruhi oleh variabel lain yang tidak di
bahas pada penelitian ini.
Model Summaryb .903a .815 .804 21238170.8 1.769 Model 1 R R Square Adjusted R Square St d. Error of the Estimate Durbin-Wat son Predictors: (Constant), x2=jaminan, x1=laba
a.
Dependent Variable: y =realisasi b.
4.2.5 Uji T
Untuk menguji pengaruh secara parsial variabel laba usaha (X1) dan jamina
usaha (X2) terhadap keputusan jumlah pemberian kredit invetasi di PD. Bank
BPR Gresik (Y) dilakukan uji t, berikut ini hasil dari uji t :
4.6 : Hasil uji t
Variabel Bebas thitung Sig
Laba Usaha (X1) 3,233 0,003
Jaminan Usaha (X2) 3,819 0,001
Sumber : Lampiran
Berdasarkan tabel diatas, dapat dijelaskan laba usaha (X1) secara parsial
terbukti signifikan terhadap keputusan jumblah pemberian kredit investasi di
PD BPR Gresik, dilihat dari thitung yang dihasilkan yaitu sebesar 3,233 dengan
tingkat signifikan kurang dari 5% yaitu sebesar 0,003. Sedangkan jaminan usaha
(X2) secara parsial terbukti signifikan terhadap keputusan jumlah pemberian
kredit investasi di PD BPR Gresik, dilihat dari thitung yang dihasilkan yaitu