HASIL PENELITIAN DAN PEMBAHASAN
5.1. Deskripsi Data Penelitian
Berdasarkan hasil pengolahan data, maka deskripsi statistik dari data penelitian dapat dilihat pada Tabel 5.1. berikut :
Tabel 5.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation X1 62 .08 69.30 16.6584 17.64517 X2 62 -40.60 496.99 17.9871 67.52925 X3 62 .11 24.24 2.3068 3.36103 X4 62 .05 5.01 .7639 .77915 X5 62 .11 4.62 1.6992 1.12497 X6 62 .24 103.50 28.9163 31.80903 X7 62 1.15 6.94 2.8119 1.48061 X8 62 -43.98 91.36 5.8265 21.52626 X9 62 -5.45 20.38 1.5865 3.18906 X10 62 -73.11 24.50 -2.8192 13.94823 X11 62 .10 4.00 1.7629 1.22072 X12 62 .10 7.23 1.1092 1.38024 X13 62 60 540 230.77 147.811 X14 62 1.00 10.00 4.7613 1.90318 X15 62 2.00 14.00 6.4984 2.21844 X16 62 1.00 5.00 2.7581 1.19679 X17 62 1.00 9.00 5.9839 .89611 X18 62 4.00 7.00 5.5806 .89714 Y 62 .01 1.23 .2566 .27493 Valid N (listwise) 62
Sumber : Lampiran 2 (data diolah SPSS)
Berdasarkan Tabel 5.1 diatas dapat dilihat bahwa dari jumlah N sampel sebanyak 62, Berdasarkan data tersebut menunjukkan nilai minimum current ratio
current ratio sebesar 16,66 % dengan variasi penyimpangan dari rata – rata sebesar 17,65 %. Sedangkan nilai minimum quick ratio (X2) sebesar -40.60 %, nilai maximum 496.99 % dan rata – rata debitur memiliki nilai quick ratio sebesar 17,99 % dengan variasi penyimpangan dari rata – rata sebesar 67,53 %. Untuk nilai minimum
inventory turn over ratio (X3) sebesar 11 %, nilai maximum 242,4 % dan rata – rata debitur memiliki nilai inventory turn over ratio sebesar 230,68 % dengan variasi penyimpangan dari rata – rata sebesar 3,36 %. Nilai minimum fixed assets turn over ratio (X4) sebesar 0.05 %, nilai maximum 50.1 % dan rata – rata debitur memiliki nilai fixed assets turn over ratio sebesar 0,76 % dengan variasi penyimpangan dari rata – rata sebesar 0,78 %.
Untuk nilai profit margin ratio (X5) nilai minimumnya sebesar 0.11 % dan nilai maximum sebesar 46.2 % dan variasi penyimpangan dari rata – rata 16.99 % dan rata – rata profit margin yang dicapai oleh responden sebesar 16,99 %. Nilai ROA (X6) nilai minimumnya sebesar 0.24 % dan nilai maximum sebesar 103.50 % dan variasi penyimpangan dari rata – rata 31.80 % dan rata – rata profit margin yang dicapai oleh responden sebesar 28,91 %.
Tingkat rentabilitas ekonomi (X7) yang dicapai debitur dengan nilai minimumnya sebesar 1.15 % dan nilai maximum sebesar 6.94 % dan variasi penyimpangan dari rata – rata 1.48 % dan rata – rata rentabilitas ekonomi yang dicapai oleh responden sebesar 2,81 %. Untuk nilai Return on net worth (X8) dicapai nilai minimumnya sebesar -43.98 % dan nilai maximum sebesar 91.36 % dan variasi penyimpangan dari rata – rata 21.52 % dan rata – rata RONW yang dicapai oleh
responden sebesar 2,81 %. Sedangkan Debt to Equity (X9) nilai minimum sebesar -5.45 % dan maximum sebesar 20.38 % dengan rata – rata sebesar 1,58 % dengan standar deviasi 21,52 %. Sedangkan Time interest earned ratio (X10) maximum nilainya sebesar 24.50 dan minimum -73.11 dengan rata – rata yang diperoleh sebesar -2.81 dengan variasi penyimpangan 13,94. Untuk nilai account receivable turn over (X11), nilai maximum sebesar 0.10 dan nilai minimum sebesar 4 dengan nilai rata – rata 1,76 % dan variasi penyimpangannya sebesar 1,22. Untuk nilai total assets to debt ratio (X12) dengan nilai maximum sebesar 7.23, nilai minimum 0.10, rata – rata 1,76 dan variasi penyimpangannya sebesar 1,38. Untuk nilai jaminan kredit (X13) dengan nilai maximum sebesar Rp.540 juta, nilai minimum Rp.60 Juta, rata – rata 230,77 dan variasi penyimpangannya sebesar Rp.147,81 Juta. Nilai umur usaha (X14) dengan nilai maximum sebesar 10, nilai minimum 1, rata – rata 4,76 dan variasi penyimpangannya sebesar 1,90.
Pengalaman pimpinan calon debitur (X15) yang dicapai dengan nilai minimumnya sebesar 1 tahun dan nilai maximum sebesar 14 tahun dan variasi penyimpangan dari rata – rata 2.21 % dan rata – rata pengalaman manajer (debitur) selama 6,11 tahun. Jangka waktu menjadi nasabah bank (X16) yang dicapai debitur adalah 2.75 % dan rata tingkat penyimpangan responden dari rata – rata adalah sebesar 1,19 %. Tingkat diversifikasi kepemilikan (X17) dengan pemilik paling sedikit sebanyak 1 dan terbanyak 9 orang dan variasi penyimpangan dari rata – rata 0,89 % dan rata – rata sebanyak 5,98 orang. Jenis Usaha (X18) yang dicapai debitur dengan nilai minimumnya sebesar 4 dan nilai maximum sebesar 7 dan variasi
penyimpangan dari rata – rata 0,89 dan rata – rata sektor ekonomi yang dibiayai sebesar 5,58 artinya kebanyakan jenis usaha yang dibiayai adalah dari sektor pertanian.
.
5.2. Analisis Data 5.2.1. Uji Asumsi Klasik
Pengujian terhadap ada tidaknya pelanggaran terhadap asumsi-asumsi klasik yang merupakan dasar dalam model regresi linier berganda. Hal ini dilakukan sebelum pengujian hipotesis meliputi :
5.2.1.1 Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Untuk menguji apakah data penelitian ini terdistribusi normal atau tidak dapat dideteksi melalui 2 cara yaitu Analisis Grafik dan analisis statistik (uji One sample Kolmogorov Smirnov).
a. Analisis Grafik
Gambar 5.1 Grafik Normalitas Data
Berdasarkan pada Gambar 5.1 tersebut Gozali (2005) menyatakan jika distribusi data adalah normal, maka terdapat titik titik yang menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonalnya. Hasil grafik tersebut terlihat bahwa titik titik yang menyebar disekitar garis diagonalnya maka dapat dinyatakan bahwa data berdistribusi normal.
b. Uji Statistik
Uji Normalitas bertujuan untuk melihat apakah model regresi, variabel pengganggu atau residual berdistribusi normal. Untuk itu dilakukan uji one sample Kolmogorov Smirnov Test. Adapun hasil pengujian terdapat pada Tabel 5.2 berikut :
Tabel 5.2 Hasil Pengujian One Sample Kolmogorov Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 62 Mean .0000000 Normal Parametersa Std. Deviation .19918555 Absolute .093 Positive .093
Most Extreme Differences
Negative -.066
Kolmogorov-Smirnov Z .735
Asymp. Sig. (2-tailed) .652
a. Test distribution is Normal.
Sumber : Lampiran 2. Hasil Output SPSS 16
Dari hasil pengujian terlihat pada Tabel 5.2 tersebut terlihat besarnya nilai Kolmogorov- Smirnov adalah 0.735 dan signifikansinya pada 0.652 dan nilainya jauh diatas alpha = 0.05 Dalam hal ini berarti H0 diterima yang berarti data residual berdistribusi normal.
5.2.1.2. Uji multikolinearitas
Pengujian multikolinearitas dilakukan untuk melihat apakah pada model regresi ditemukan ada tidaknya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi multikolinearitas. Cara mendeteksinya adalah dengan melihat nilai Variance Inflation Factor (VIF). Menurut Santoso (2002), pada umumnya jika VIF > 10, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya.
Tabel 5.3 Uji Multikolinieritas
Model Collinearity Statistics Tolerance VIF (Constant) X1 .752 1.330 X2 .678 1.476 X3 .585 1.710 X4 .560 1.785 X5 .794 1.259 X6 .676 1.480 X7 .678 1.474 X8 .665 1.503 X9 .521 1.920 X10 .761 1.315 X11 .355 2.813 X12 .608 1.646 X13 .358 2.790 X14 .379 2.639 X15 .434 2.305 X16 .706 1.417 X17 .646 1.549 X18 .693 1.444
Dependent Variabel : Keputusan Kredit_Y Sumber : Lampiran 2 Hasil Output SPSS 16
Dari Tabel 5.3 diatas, terlihat bahwa variabel independen yang ada mempunyai angka Variance Inflation Factor (VIF) dibawah angka 10 (Ghozali, 2005 : 93). Hal ini berarti bahwa regresi yang dipakai untuk ke 18 (delapan belas) variabel independent diatas tidak terdapat persoalan multikolinieritas.
5.2.1.3. Uji heteroskedastisitas
Menurut Ghozali (2005 : 107) model regresi yang baik adalah model yang Homoskesdatisitas atau tidak terjadi Heteroskedastitas. Dari grafik Scatterplot yang disajikan yang terdapat pada gambar 5.2 dibawah, terlihat titik-titik tidak menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tidak tersebar
baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi. Adapun bentuk grafik Scatterplot terdapat pada Gambar 5.2 berikut :
Sumber : Hasil Olah Data SPSS. (Lampiran 2)
Gambar 5.2. Gambar Scatterplot
Selain itu untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan dengan Uji Glesjer. Asumsi utama Uji Glesjer yaitu dengan melakukan regresi variable independen terhadap residual (Ghozali, 2005 : 111). Adapun hasil pengujian Uji Glesjer terdapat pada Tabel 5.4 berikut :
Tabel 5.4 Uji Glesjer
Coefficientsa
Unstandardized Coefficients
Standardized Coefficients
Model B Std. Error Beta t Sig.
(Constant) .545 .178 3.054 .004 X1 .000 .001 -.028 -.200 .842 X2 -7.487E-5 .000 -.042 -.287 .775 X3 .001 .006 .025 .162 .872 X4 .028 .025 .182 1.135 .263 X5 -.014 .014 -.126 -.939 .353 X6 .000 .001 -.188 -1.288 .204 X7 -.028 .012 -.349 -1.396 .061 X8 -.001 .001 -.207 -1.405 .167 X9 -.012 .006 -.316 -1.901 .064 X10 -.002 .001 -.174 -1.266 .212 X11 .001 .020 .007 .034 .973 X12 .013 .013 .145 .939 .353 X13 3.705E-5 .000 .045 .226 .822 X14 -.006 .012 -.097 -.499 .620 X15 -.008 .010 -.138 -.760 .452 X16 .021 .014 .208 1.453 .153 X17 -.009 .020 -.070 -.468 .642 1 X18 -.037 .019 -.278 -1.927 .061
a. Dependent Variable: Abs
Sumber : Hasil Olah Data SPSS. (Lampiran 2)
Jika koefesien parameter beta dari persamaan regresi tersebut signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi terdapat heteroskedastisitas dan sebaliknya jika parameter beta tidak signifikan secara statistik, maka asumsi homoskesdatisitas pada data model tersebut tidak dapat ditolak. Hasil yang terlihat pada Tabel 5.4 menunjukkan koefesien parameter untuk variabel independent tidak ada yang signifikan dengan tingkat signifikansi seluruh variabel independen diatas alpha 5 %. Maka dapat disimpulkan
model regresi tidak terdapat heteroskedastisitas. 5.2.1.4. Uji autokorelasi
Gejala Autokorelasi diditeksi dengan menggunakan uji Durbin-Watson (DW). Menurut Santoso (2002 : 241), untuk mendeteksi ada tidaknya auto korelasi maka dilakukan pengujian Durbin-Watson (DW). Nilai d tersebut selanjutnya dibandingkan dengan nilai dtabel dengan tingkat signifikansi 5% dengan df = n-k-1. Untuk mengetahui adanya autokorelasi digunakan uji Durbin-Watson, dengan kriteria menurut Santoso (2005 : 242) dengan cara melihat besaran Durbin-Watson sebagai berikut :
1. Angka D-W di bawah -2, berarti ada autokorelasi positif.
2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi. 3. Angka D-W di atas +2, berarti ada autokorelasi negatif.
Dari hasil pengujian terlihat bahwa nilai DW sebesar 1,567, berarti data tidak terkena autokorelasi.
Tabel 5.5 Uji Autokorelasi
Model R R Square Durbin-Watson
1 .689a .475 1.580
a. Predictors: (Constant), X18, X1, X16, X8, X10, X15, X2, X9, X12, X6, X5, X7, X17, X3, X4, X13, X14, X11
b. Dependent Variable: Y
Sumber : Hasil Olah Data SPSS. (Lampiran 2)
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin-Watson (D-W) sebesar 1,580, maka disimpulkan bahwa tidak terjadi autokorelasi baik positif
maupun negatif (masih dalam kisaran angka D-W -2 dan +2).