BAB III METODE PENELITIAN
4.3. Analisis dan Uji Hipotesis
4.3.1. Hasil Analisis
A. Analisis Dengan Empat Variabel Bebas dan Satu Variabel Terikat
1. Uji Normalitas
Uji normalitas data digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal yang dapat dilakukan dengan berbagai metode diantaranya adalah Kolmogorov Smirnov dan Shapiro Wilk.
Berdasarkan hasil pengujian normalitas dalam penelitian ini didapatkan hasil sebagai berikut:
Tabel 4.6. Hasil Uji Normalitas
Tests of Normality
Sumber: lampiran 3
Berdasarkan hasil pengujian normalitas yang disajikan pada tabel 4.6 di atas diketahui bahwa nilai statistics Kolmogorov-Smirnov yang diperoleh mempunyai taraf signifikan yang lebih dari 0,05, sesuai dengan kriteria bahwa sebaran data disebut berdistribusi normal apabila memiliki taraf signifikan >0,05 (Sumarsono, 2004:41-43). ,156 12 ,200* ,939 12 ,479 ,161 12 ,200* ,914 12 ,239 ,123 12 ,200* ,945 12 ,561 ,216 12 ,127 ,944 12 ,555 ,172 12 ,200* ,910 12 ,211 Pemberian Kredit Pertambahan Dana Alokasi Dana Jumlah Anggota Pendapatan
Statistic df Sig. Statistic df Sig.
Kolmogorov-Smirnov a Shapiro-Wilk
This is
*. a lower bound of the true significance. Lilliefors Significance Correction
Teknik analisis yang digunakan dalam penelitian ini adalah model regresi yang diperoleh dari model kuadrat terkecil biasa (ordinary least squares) merupakan model regresi yang menghasilkan estimasi linier tidak bias yang terbaik (Best linear Unbias Estimator / BLUE). Kondisi ini akan terjadi jika dipenuhi beberapa asumsi klasik yaitu :
a. Pengujian Autokolerasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya (Imam Ghozali, 2006:95).
Hasil pengujian autokorelasi dengan menggunakan Durbin Watson tersaji dalam tabel sebagai berikut:
Tabel 4.7. Hasil Uji Autokolerasi
b
Model Summary
Sumber: lampiran 3
Nilai DW (Durbin Watson) yang dihasilkan adalah sebesar 3,123 dimana berdasarkan tabel DW, dl = 0,512 dan du = 2,177, sehingga 4-du ≤ DW ≤ 4-dl. Berdasarkan tabel kriteria Durbin Watson, jika 4-du ≤ DW ≤ 4-dl (Ghozali,
,993 a ,987 ,979 3,123 Model Adjusted Durbin- R Square Watson R R Square 1
a. Predictors: (Constant), Pendapatan, Jumlah Anggota, Pertambahan Dana, Alokasi Dana
dapat disimpulkan ada tidaknya autokorelasi, oleh karena itu penulis menyimpulkan bahwa penelitian ini dapat dilanjutkan.
b. Pengujian Heteroskedastisitas
Hasil uji heteroskedastisitas diperoleh dari hasil pengujian dengan menggunakan bantuan program SPSS 12.0 dengan melihat Rank Spearman’s Correlation.
Hasil pengujian Rank Spearman’s dapat dilihat pada tabel berikut ini:
Tabel 4.8. Hasil Pengujian Heteroskedastisitas
No Variabel Nilai mutlak
dari residual Taraf Signifikansi Keterangan 1. Pertambahan Dana (X1) -0,021 0,948 Non Heteroskedastisitas 2 Alokasi Dana (X2) -0,021 0,948 Non Heteroskedastisitas
3 Jumlah Anggota (X3) -0,98 0,761 Non Heteroskedastisitas
4 Pendapatan (X4) 0,021 0,948 Non Heteroskedastisitas
Sumber : Lampiran 3.1.
Menurut Ghozali (2006:105) uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Salah satu cara untuk mendeteksi ada atau tidak adanya Heteroskedastisitas adalah dengan cara menggunakan uji rank spearman.
Berdasarkan hasil korelasi tersebut tidak diperoleh adanya korelasi yang signifikan antara Unstandardized Residual dengan masing-masing variabel bebas yang diteliti, dengan nilai taraf signifikansi lebih besar dari 0,05, sehingga dapat disimpulkan bahwa tidak terjadi penyimpangan heteroskedastisitas pada variabel-
c. Pengujian Multikolinearitas
Identifikasi secara statistik ada atau tidaknya gejala multikolinieritas dapat dilakukan dengan menghitung Variance Inflation Factor (VIF).
Berdasarkan hasil pengujian, diperoleh hasil bahwa nilai VIF untuk masing-masing variabel adalah sebagai berikut:
Tabel 4.9. Hasil Pengujian Multikolinieritas
No Variabel Tolerance VIF Keterangan
1 Pertambahan Dana (X1)
0,017 58,232 Terjadi Multikolinier 2 Alokasi Dana (X2) 0,009 117,218 Terjadi Multikolinier
3 Jumlah Anggota (X3) 0,395 2,529 Non Multikolinier
4 Pendapatan (X4) 0,014 71,294 Terjadi Multikolinier
Sumber : Lampiran 3.1.
Menurut Ghozali (2006:91), uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Salah satu cara yang digunakan untuk mengetahui ada tidaknya multikolonieritas yaitu dengan melihat besarnya nilai Variance Inflation Factor
(VIF).
Berdasarkan tabel di atas dapat diketahui bahwa nilai VIF hanya pada variabel Jumlah Anggota (X3) saja yang mempunyai nilai VIF lebih kecil dari 10
(2006:91), yang berarti bahwa hanya variabel Jumlah Anggota saja yang terbebas dari penyimpangan multikolinier. Sedangkan pada variabel Pertambahan Dana (X1), Alokasi Dana (X2) dan Pendapatan (X4) mempunyai nilai VIF yang lebih
penelit
ini adalah X1). Berikut adalah hasil pengujian terhadap variabel bebas
X2, X3
ap tiga erikat yang diteliti dengan menggunakan uji
Kolmogorov-Smirnov dan Shapiro W il sebagai berikut :
Tabel 4.10. Hasil Uji Norm
n yang lebih dari 0,05, sesuai dengan kriteria bahwa ian ini tidak bisa dilanjutkan untuk dilakukan pengujian berikutnya.
B. Analisis Dengan Menghilangkan X1
Multikolinieritas dapat diatasi dengan cara menghilangkan salah satu atau beberapa variabel bebasnya (Ghozali, 2006:95). Dengan demikian dalam analisis selanjutnya variabel bebas yang tidak diuji dalam penelitian
Pertambahan Dana (
dan X4 dengan variabel terikat Y sebagai berikut:
1. Uji Normalitas
Berdasarkan hasil pengujian normalitas yang dilakukan terhad variabel bebas dan satu variabel t
ilk didapatkan has
alitas
Tests of Normality
Sumber: lampiran 4
Berdasarkan hasil pengujian normalitas yang disajikan pada tabel 4.10 di atas diketahui bahwa nilai statistics Kolmogorov-Smirnov yang diperoleh mempunyai taraf signifika
,156 12 ,200* ,939 12 ,479 ,123 12 ,200* ,945 12 ,561 ,216 12 ,127 ,944 12 ,555 ,172 12 ,200* ,910 12 ,211 Pemberian Kredit Alokasi Dana Jumlah Anggota Pendapatan
Statistic df Sig. Statistic df Sig.
Kolmogorov-Smirnov a Shapiro-Wilk
This is a lower bound of the true significance. *.
Lilliefors Significance Correction a.
(Sumar
erkecil biasa (ordinary least squares) enghasilkan estimasi linier tidak bias yang terbaik
asik yaitu :
Hasil pengujian autokorelasi dengan menggunakan Durbin Watson. Tersaji dalam tabel berik
Tabe
≤ DW ≤ 4-dl maka ada pada aerah ragu-ragu atau tanpa kesimpulan (Ghozali, 2006:105), sehingga tidak dapat isimpulkan ada tidaknya autokorelasi, oleh karena itu penulis menyimpulkan bahwa penelitian ini dapat dilanjutkan.
sono, 2004:41-43).
2. Hasil Pengujian Regresi Asumsi Klasik
Teknik analisis yang digunakan dalam penelitian ini adalah model regresi yang diperoleh dari model kuadrat t
merupakan model regresi yang m
(Best linear Unbias Estimator / BLUE). Kondisi ini akan terjadi jika dipenuhi beberapa asumsi kl
a. Pengujian Autokolerasi
ut:
l 4.11. Hasil Uji Autokolerasi
Model Summary b
Sumber: lampiran 4
Nilai DW (Durbin Watson) yang dihasilkan adalah sebesar 3,039 dimana berdasarkan tabel DW, dl = 0,658 dan du = 1,864, sehingga 4-du ≤ DW ≤ 4-dl. Berdasarkan tabel kriteria Durbin Watson, jika 4-du
d d ,993 a ,986 ,981 104532506 3,039 Model 1 R R Square Adjusted R Square Durbin- Watson Std. Error of the Estimate
Predictors: (Constant), Pendapatan, Jumlah Anggota, Alokasi Dana a.
Dependent Variable: Pemberian Kredit b.
uji heteroskedastisitas diperoleh dari hasil pengujian dengan
menggu an’s
Hasil p ank Sp d bel beri
T l a Heter stisitas
Nil ak
dari residual Signifikansi Keterangan
b. Pengujian Heteroskedastisitas
Hasil
nakan bantuan program SPSS 12.0 dengan melihat Rank Spearm Correlation.
engujian R earman’s dapat ilihat pada ta kut ini:
abe 4.12. Hasil Penguji n oskeda
No Variabel ai mutl Taraf
1. Alokasi Dana (X2) 0,014 0,966 Non Heteroskedastisitas 2 Jumlah Anggota (X3) 0,109 0,736 Non Heteroskedastisitas 3 Pendapatan (X4) 0,049 0,880 Non Heteroskedastisitas
Sumber : Lampiran 4.1.
Dari hasil korelasi tersebut tidak diperoleh adanya korelasi yang signifikan antara Unstandardized Residual dengan masing-masing variabel bebas yang diteliti, dengan nilai taraf signifikansi lebih besar dari 0,05, sehingga dapat nyimpangan heteroskedastisitas pada variabel- variabe
Factor (VIF).
leh hasil bahwa nilai VIF untuk
m g
T el Mult er
Tolerance VIF Keterangan
disimpulkan bahwa tidak terjadi pe l bebas yang diteliti.
c. Pengujian Multikolinearitas
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation
Berdasarkan hasil pengujian, dipero asin -masing variabel adalah sebagai berikut:
ab 4.13. Hasil Pengujian ikolini
2 Jumlah Anggota (X ) 3 0,398 2,514 Non Multikolinier
3 Pendapatan (X4) 0,014 69,465 Terjadi Multikolinier
Sumber : Lampiran 4.1.
Berdasarkan tabel di atas dapat diketahui bahwa nilai VIF hanya pada variabel Jumlah Anggota (X ) saja yang mempunyai nilai VIF lebih kecil dari 10 (Ghozali, 2006:91), yang berarti bahwa hanya variabel Jumlah Anggota saja yang terbebas dari penyimpangan multikolinier. Sedangkan pada variabel Alokasi Dana (X ) dan Pendapatan (X4) mempunyai nilai VIF yang lebih besar dari 10, berarti
bahwa pada variabel tersebut terkena multikolinier. Oleh karena dua variabel yang terkena multikolinier, maka penelitian ini tidak bisa dilanjutkan untuk dilakukan pengujian berikutnya.
C. Analisis Dengan Menghilangkan X
Dalam analisis sebelumnya dilakukan dengan menggunakan tiga variabel bebas dengan satu variabel terikat dan masih terjadi mulikolinieritas, maka selanjutnya cara untuk mengobatinya adalah dengan menghilangkan satu variabel bebasnya. Dengan demikian dalam analisis selanjutnya variabel bebas yang akan diuji dalam penelitian ini adalah Jumlah Anggota (X3) dan Pendapatan Koperasi
(X ).
1. Uji Normalitas
Berdasarkan hasil pengujian normalitas yang dilakukan terhadap dua variabel bebas dan satu variabel terikat yang diteliti dengan menggunakan uji
Kolmogorov-Smirnov dan Shapiro Wilk didapatkan hasil sebagai berikut :
3
2
2
Tabel 4.14. Hasil Uji
n yang lebih dari 0,05, sesuai dengan kriteria bahwa a memiliki taraf signifikan >0,05 (Sumar
asilkan estimasi linier tidak bias yang
stimator / BLUE). Kondisi ini akan terjadi jika dipenu
si
asil pengujian autokorelasi dengan menggunakan Durbin Watson tersaji pada tabel sebagai berikut:
Normalitas
Tests of Normality
Sumber: lampiran 5
Berdasarkan hasil pengujian normalitas yang disajikan pada tabel 4.10 di atas diketahui bahwa nilai statistics Kolmogorov-Smirnov yang diperoleh mempunyai taraf signifika
sebaran data disebut berdistribusi normal apabil sono, 2004:41-43).
1. Hasil Pengujian Regresi Asumsi Klasik
Teknik analisis yang digunakan dalam penelitian ini adalah model regresi yang diperoleh dari model kuadrat terkecil biasa (ordinary least squares) merupakan model regresi yang mengh
terbaik (Best linear Unbias E
hi beberapa asumsi klasik yaitu :
a. Pengujian Autokolera H ,156 12 ,200 * ,939 12 ,479 ,216 12 ,127 ,944 12 ,555 ,172 12 ,200 * ,910 12 ,211 Pemberian Kredit Jumlah Anggota Pendapatan Statistic df Sig. irnov a Statistic df Sig. Kolmogorov-Sm Shapiro-Wilk
This is a lower bound of the true significance. *.
Lilliefors Significance Correction a.
Tab 5. Hasil U Autokol
a (Ghozali, 2006:105), sehingga tidak dapat i, oleh karena itu penulis menyimpulkan bahwa
uji heteroskedastisitas diperoleh dari hasil pengujian dengan
menggu an’s
Hasil pengujian ank Sp dili tabel berik
T l Heter stisitas
Nilai mutlak
dari residual Signifikansi Keterangan
el 4.1 ji erasi
b
Model Summary
Sumber: lampiran 5
Nilai DW (Durbin Watson) yang dihasilkan adalah sebesar 2,843 dimana berdasarkan tabel DW, dl = 0,812 dan du = 1,579, sehingga 4-du ≤ DW ≤ 4-dl. Berdasarkan tabel kriteria Durbin Watson, jika 4-du ≤ DW ≤ 4-dl maka ada pad daerah ragu-ragu atau tanpa kesimpulan
disimpulkan ada tidaknya autokorelas penelitian ini dapat dilanjutkan
b. Pengujian Heteroskedastisitas
Hasil
nakan bantuan program SPSS 12.0 dengan melihat Rank Spearm Correlation.
R earman’s dapat hat pada ut ini:
abe 4.16. Hasil Pengujian oskeda
No Variabel Taraf
1. Jumlah Anggota (X3) 0,035 0,914 Non Heteroskedastisitas 2 Pendapatan (X ) 0,140 4 0,665 Non Heteroskedastisitas
Sumber : Lampiran 5.1.
Berdasarkan hasil korelasi tersebut tidak diperoleh adanya korelasi yang
,986 a ,972 ,965 2,843 Model Adjusted R Square Durbin- Watson R R Square 1
Predictors: (Constant), Pendapatan, Jumlah Anggota a.
Dependent Variable: Pemberian Kredit b.
yang diteliti, dengan nilai taraf signifikansi lebih besar dari 0,05, sehingga dapat nyimpangan heteroskedastisitas pada variabel- variabe
Factor (VIF).
leh hasil bahwa nilai VIF untuk m g-masing variabel adalah sebagai berikut:
T el jian Mult er
No Variabel Tolerance VIF Keterangan
disimpulkan bahwa tidak terjadi pe l bebas yang diteliti.
c. Pengujian Multikolinearitas
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation
Berdasarkan hasil pengujian, dipero asin
ab 4.17. Hasil Pengu ikolini
1 Jumlah Anggota (X3) 0,637 1,570 Non Multikolinier
2 Pendapatan (X4) 0,637 1,570 Non Multikolinier
Sumber : Lampiran 5.1.
Berdasarkan tabel di atas dapat diketahui bahwa nilai VIF untuk variabel bebas mempunyai nilai VIF lebih kecil dari 10 (Ghozali, 2001:57), yang berarti bahwa pengujian asumsi klasik dalam penelitian ini sudah terbebas dari penyim angan multikolinier. Maka selanjutnya dilakukan analisis regresi linier
u variabel terikat, sebagai berikut:
erdasarkan hasil pengujian dengan menggunakan regresi linier berganda dengan bantuan program SPSS diperoleh persamaan regresi sebagai berikut:
p
berganda dengan dua variabel bebas dan sat