BAB V. KESIMPULAN DAN SARAN
ACCOUNT OFFICER
2. Hasil Uji Statistik
a. Hasil Koefisien Determinasi (R2)
Koefisien determinasi (R2) menunjukkan sejauh mana tingkat hubungan antara variabel dependen dengan variabel independen.Nilai koefisien determinasi terdapat di 0 < R² < 1, dimana nilai R² yang kecil berarti menunjukkan kemampuan
110
variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Kelemahan mendasar penggunaan koefisien determinasi yaitu bias (kesalahan) terhadap jumlah variabel independen yang dimasukkan kedalam model. Oleh karena itu dianjurkan untuk menggunakan nilai Adjusted R2 pada saat mengevaluasi mana model regresi terbaik. Nilai Adjusted R2
dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model. Hasil uji koefisien determinasi yang diperoleh dalam penelitian ini dapat dilihat pada tabel 4.6.
Tabel 4.6
Hasil Uji Koefisien Determinasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 ,620a ,385 ,369 2,2116 1,454 a. Predictors: (Constant), Religiusitas, Pengetahuan, Pendapatan, Kualitas
Pelayanan
b. Dependent Variable: Keputusan Menabung
Sumber : Data primer yang diolah, 2017
Berdasarkan tabel 4.6 dapat disimpulkan bahwa:
1. Koefisien korelasi (R) sebesar 0,620 yang artinya terdapat hubungan yang cukup kuat antar variabel independen dan dependen (karena mendekati angka 1).
2. Koefisien determinasi (Adjusted R2) sebesar 0,369 yang berarti kontribusi variabel independen menjelaskan/mempengaruhi variabel dependen sebesar 36,9% sedangkan sisanya sebesar
111
63,1% dijelaskan/dipengaruhi oleh variabel lain yang tidak termasuk dalam penelitian ini.
b. Hasil Uji Signifikansi Simultan (Uji Statistik F)
Uji F bertujuan untuk menguji apakah semua variabel independen yang dimasukkan ke dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2013: 98). Pengujian ini dilakukan dengan menggunakan statistik F dengan kriteria pengambilan keputusan sebagai berikut:
1. Jika Fhitung < Ftabel, dan nilai signifikansi> 0.05, H0 diterima dan H1 ditolak
2. Jika Fhitung> Ftabel, dan nilai signifikansi< 0.05, H0 ditolak dan H1 diterima
Hasil uji statistik F yang diperoleh dalam penelitian ini dapat dilihat pada tabel 4.7.
Tabel 4.7 Hasil Uji Statistik F
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 462,020 4 115,505 23,615 ,000b Residual 738,570 151 4,891
Total 1200,590 155 a. Dependent Variable: Keputusan Menabung
b. Predictors: (Constant), Religiusitas,Pengetahuan, Pendapatan, Kualitas Pelayanan
Sumber : Data primer yang diolah, 2017
Dari uji ANOVA atau Ftest didapat nilai Fhitung sebesar 23,615 dengan nilai signifikansi0,000 dan Nilai Ftabel sebesar 2,42. Karena nilai Fhitung> nilai Ftabel dan nilai signifikansi jauh lebih
112
kecil dari 0,05 maka model regresi dapat digunakan untuk memprediksi keputusan Menabung atau dapat disimpulkan bahwa secara bersama-sama religiusitas, pengetahuan, pendapatan dan kualitas pelayanan berpengaruh signifikan terhadap keputusan menabung.
c. Hasil Uji Signifikansi Parameter Individual (Uji Statistik t) Hasil uji statistik t yang diperoleh dalam penelitian ini dapat dilihat pada tabel 4.8.
Tabel 4.8 Hasil Uji t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta (Constant) 4,306 2,927 1,471 ,143 Religiusitas ,056 ,022 ,210 2,548 ,012 Pengetahuan ,371 ,083 ,317 4,483 ,000 Pendapatan ,166 ,060 ,195 2,753 ,007 Kualitas pelayanan ,111 ,069 ,129 1,615 ,108 a. Dependent Variable:Y
Sumber : Data primer yang diolah, 2017
Berdasarkan tabel 4.8 dapat disimpulkan bahwa:
1. Nilai thitungreligiusitas sebesar 2,548 dengan nilai signifikansi 0,012 dan nilai ttabel sebesar 1,975. Karena nilai thitung > nilai ttabel dan nilai signifikansi lebih besar dari 0,05 maka model regresi dapat digunakan untuk memprediksi keputusan menabung atau dapat
113
disimpulkan bahwa religiusitas berpengaruh terhadap keputusan menabung.
2. Nilai thitungpengetahuan sebesar 2,548 dengan nilai signifikansi 0,007 dan nilai ttabel sebesar 1,975. Karena nilai thitung > nilai ttabel dan nilai signifikansi jauh lebih kecil dari 0,05 maka model regresi dapat digunakan untuk memprediksi keputusan atau dapat disimpulkan bahwa pengetahuan berpengaruh signifikan terhadap keputusan menabung.
3. Nilai thitungpendapatan sebesar 2,753 dengan nilai signifikansi 0,007 dan nilai ttabel sebesar 1,975. Karena nilai thitung > nilai ttabel dan nilai signifikansi jauh lebih kecil dari 0,05 maka model regresi dapat digunakan untuk memprediksi keputusan menabung atau dapat disimpulkan bahwa pendapatan berpengaruh signifikan terhadap keputusan menabung.
4. Nilai thitungkualitas pelayanan sebesar 1,615 dengan nilai signifikansi 0,108 dan nilai ttabel sebesar 1,975. Karena nilai thitung< nilai ttabel dan nilai signifikansi jauh lebih besar dari 0,05 maka model regresi tidak dapat digunakan untuk memprediksi keputusan menabung atau dapat disimpulkan bahwa kualitas
114
pelayanan tidak berpengaruh sigifikan terhadap keputusan menabung.
3. Analisis Regresi Linier Berganda
Disini penulis menggunakan analisis regresi linier berganda, yang digunakan untuk mengetahui seberapa besar pengaruh Religiusitas (X1), pengetahuan (X2), pendapatan (X3) dan kualitas pelayanan (X4) terhadap keputusan nasabah menabung (Y) pada PT Bank BRI Syariah Kantor Cabang Pembantu Magelang.
Formulasi model statistik linier berganda (Ghozali, 2013) adalah sebagai berikut :
Y = a + b1X1 + b2X2 + b3X3 + b4X4 Keterangan:
Y = subyek dalam variabel dependen yang diprediksikan. a = harga Y ketika harga X1, X2, X3, X4 = 0 (harga konstan). b = angka arah atau koefisien regresi, dimana jika (+) arah garis naik, dan bila (-) maka arah garis turun.
X1, X2, X3, X4 = subjek pada variabel independen yang mempunyai nilai tertentu. ). Adapun hasil uji regresi linier berganda ini dapat dilihat pada tabel 4.9 berikut :
115 Tabel 4.9
Hasil Uji Regresi Linier Berganda
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 4,306 2,927 1,471 ,143 religiusitas ,056 ,022 ,210 2,548 ,012 Pengetahuan ,371 ,083 ,317 4,483 ,000 Pendapatan ,166 ,060 ,195 2,753 ,007 Kualitas pelayanan ,111 ,069 ,129 1,615 ,108 a. Dependent Variable:Y
Sumber : Data primer yang diolah, 2017
Berdasarkan tabel diatas, maka diperoleh persamaan regresi sebagai berikut :
Y= 4,306+0,056 X1+0,371 X2+0,166 X3+0,111 X4
Dari persamaan tersebut dapat diambil kesimpulan bahwa: a. Konstanta sebesar 4,306 menyatakan bahwa jika
Religiusitas (X1), Pengetahuan (X2), Pendapatan (X3) Kualitas Pelayanan (X4) adalah konstan atau tidak ada nol, maka Keputusan Menabung (Y) akan mengalami peningkatan sebesar 4,306 atau 43,06%.
b. Koefisien regresi Religiusitas (X1) sebesar + 0,056 menyatakan bahwa setiap penambahan Religiusitas nasabah sebesar 100 , maka akan meningkatkan Keputusan Menabung (Y) sebesar 5,6%.
c. Koefisien regresi Pengetahuan (X2) sebesar + 0,371 menyatakan bahwa setiap penambahan Pengetahuan
116
nasabah sebesar 100 , maka akan meningkatkan Keputusan Menabung (Y) sebesar 37,1%.
d. Koefisien regresi Pendapatan(X3) sebesar + 0,166 menyatakan bahwa setiap penambahan Pendapatan nasabah sebesar 100 , maka akan meningkatkan Keputusan Menabung (Y) sebesar 16,6%.
e. Koefisien regresi Kualitas Pelayanan (X4) sebesar + 0,111 menyatakan bahwa setiap penambahan Kualitas Pelayanan sebesar 100 , maka akan meningkatkan Keputusan Menabung (Y) sebesar 11,1%.
4. Hasil Uji Asumsi Klasik a. Hasil Uji Multikolineritas
Uji multikolineritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen. Sedangkan model regresi yang baik ditunjukkan dengan tidak adanya hubungan antara variabel independen. Uji multikolonieritas dalam penelitian ini diukur dengan melihat VIF
(Variance Inflation Factor) atau nilai tolerance-nya dan nilai tolerance berbanding terbalik. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance). Jika nilai tolerance lebih dari 0.10 atau VIF nya kurang dari 10 maka data tersebut dikatakan tidak mengalami gejala multikolonieritas
117
(Ghozali, 2013:105-106). Adapun hasil uji multikolonieritas penelitian ini dapat dilihat pada tabel 4.10 berikut :
Tabel 4.10
Hasil Uji Multikolonieritas
S u m
ber : Data primer yang diolah, 2017
Dari keterangan tabel 4.7 dapat diketahui bahwa hasil perhitungan nilai tolerance menunjukkan tidak ada variabel yang memiliki nilai tolerance kurang dari 0,10. Hasil perhitungan nilai
Variance Inflation Factor (VIF) juga menunjukkan hal yang sama. Tidak ada variabel yang memilikinilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak terdapat Multikolonieritas antarvariabel independen dalam model regresi.
b. Hasil Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variancedari residual satu pengamatan ke pengamatan yang lain. Dalam penelitian ini uji heteroskedastisitas menggunakan Uji Glejser. Uji Glejser merupakan suatu uji yang dilakukan dengan meregres nilai absolut
No Variabel Tolerance VIF Keputusan
1 Religiusitas 0,602 1,662 Tidak terdapat multikolonieritas
2 Pengetahuan 0,815 1,227 Tidak terdapat multikolonieritas
3 Pendapatan 0,815 1,227 Tidak terdapat multikolonieritas
4 Kualitas
118
residual terhadap variabel independen (Gujarati, 2003 dalam Ghozali, 2013: 142). Heteroskedastisitas akan terjadi apabila nilai signifikansinya< 5%(Ghozali, 2013: 143). Hasil uji heteroskedastisitasyang diperoleh dalam penelitian ini dapat dilihat pada tabel 4.11 :
Tabel 4.11
Hasil Uji Heteroskedastisitas
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -1,429 2,003 -,713 ,477 X1 ,015 ,013 ,104 1,120 ,264 X2 -,073 ,055 -,116 -1,333 ,185 X3 ,048 ,040 ,106 1,225 ,223 X4 ,027 ,017 ,135 1,606 ,110
a. Dependent Variable: res_2
Sumber : Data primer yang diolah, 2017
Berdasarkan tabel 4.8 terlihat dengan jelas bahwa tidak ada satupun variabel yang signifikan secara statistik mempengaruhi dependen. Hal ini terlihat dari nilai signifikansi seluruh variabel yang di atas tingkat kepercayaan 0,05 Jadi dapat disimpulkan bahwa model regresi tidak menunjukkan adanya gejala Heteroskedastisitas.
c. Hasil Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah terdapat variabel pengganggu atau residual yang memiliki distribusi normal dalam model regresi (Ghozali, 2013: 160-163). Dalam penelitian
119
ini uji normalitas menggunakan uji stastistik non-parametrik
Kolmogorov-Smirnov (K-S) dengan kriteria:
1. Jika nilai Asymp. Sig. (2–tailed) ≥ 0,05 data berdistribusi normal.
2. Jika nilai Asymp. Sig. (2–tailed) ≤ 0,05 data tidak berdistribusi normal.
Hasil uji normalitas yang diperoleh dalam penelitian ini dapat dilihat pada tabel 4.12
Tabel 4.12 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 156
Normal Parametersa,b
Mean ,0000000 Std.
Deviation
2,18288023
Most Extreme Differences
Absolute ,071 Positive ,048 Negative -,071 Kolmogorov-Smirnov Z ,883 Asymp. Sig. (2-tailed) ,416 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data primer yang diolah, 2017
Berdasarkan uji normalitas dengan Kolmogorov-SmirnovTest diperoleh nilai KSZ sebesar 0,833 dengan Asymp. Sig. (2–tailed) sebesar 0,416. Karena nilai Asymp. Sig. (2–tailed)
lebih besar dari 0,05 maka keputusannya adalah menerima H1 yang berarti bahwa data berdistribusi normal. Berarti asumsi normalitas data terpenuhi.
120 d. Uji Liniearitas
Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Melalui uji linieritas ini akan diperoleh informasi apakah model empiris ini sebaiknya linier, kuadrat atau kubik. Untuk mendeteksinya, peneliti menggunakan uji Ramsey Test untuk melakukan uji ini kita harus membuat suatu keyakinan bahwa fungsi yang benar adalah fungsi linier. Uji ini bertujuan untuk menghasilkan Fhitung dengan cara :
a. Dapatkan fitted value dari variabel dependen.
b. Kemudian variabel vited tersebut diregres bersama-sama dengan model semula sebagai independen . dapatkan nilai R2 untuk menghitung F statistik, dengan rumus :
Dimana :
m = jumlah variabel independent yang baru masuk
n = jumlah data observasi
k = banyaknya parameter dalam persamaan yang baru
R2new = nilai R2 dari persamaan regresi baru R2old = nilai R2 dari persamaan regresi awal
121
c. Dari hasil perhitungan nilai Fhitung , kemudian dibandingkan dengan Ftabel . jika nilai Fhitung > Ftabel , maka hipotesis nol yang menyatakan bahwa spesifikasi dalam bentuk fungsi linier di tolak.
Setelah dilakukan pengujian, maka dihasilkan persamaan linier pada tabel 4.13 dan 4.14 :
Tabel 4.13
Hasil uji Durbin Watson
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 ,612a ,375 ,358 2,2128 1,467
Sumber : Data primer yang diolah, 2017
Tabel 4.14 Hasil uji Ramsey Test
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 ,874a ,764 ,756 1,3652 1,753 a. Predictors: (Constant), DFFIT, X3, X2, X4, X1
b. Dependent Variable: Y
Sumber : Data primer yang diolah, 2017
Dari tampilan output SPSS menunjukkan bahwa R2new = 0,764 sedangkan R2old = 0,375, jumlah variabel independen yang baru masuk adalah 1 yaitu dffit dan n (jumlah observasi) 155 serta jumlah parameter k yang baru adalah 6. Dari data ini dapat dihitung besarnya Fhitung sebagai berikut
a. Predictors: (Constant), X4, X3, X2, X1 b.Dependent Variable: Y
122
246
Dari perhitungan diatas terlihat bahwa nilai Fhitung 246, sedangkan nilai Ftabel dengan degree of freedom (df) = (n-k) = 149 dan jumlah parameter 5 adalah 2,42. Jadi Fhitung > Ftabel maka dapat disimpulkan bahwa hipotesa nol ditolak dan hipotesa satu diterima sehingga model regresi dalam penelitian ini di nyatakan berbentuk linier.