BAB IV HASIL PENELITIAN
B. Data Penelitian
2. Uji Asumsi Klasik
Suatu model regresi linier berganda dapat disebut sebagai model yang baik
jika model tersebut memenuhi uji asumsi klasik. Pengujian asumsi klasik
dalam penelitian ini mencakup uji normalitas, uji multikolinearitas, dan uji
heteroskedastisitas, dan uji autokorelasi.
a) Uji Normalitas
Pengujian tahap awal yang dilakukan dalam metode penelitian analisis
menggunakan statistik parametrik atau tidak. Menurut Gozali (2005:110)
“tujuan uji normalitas adalah untuk mengujii apakah variabel independen
dan variabel dependen berdistribusi normal”. Data yang baik dan layak
digunakan dalam penelitian adalah data yang memiliki distribusi normal.
Cara untuk mendeteksi apakah residual berdistribusi normal atau tidak
ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat
dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dan
grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan
keputusannya adalah:
1) jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola berdistribusi
normal, maka model regresi memenuhi asumsi normalitas.
2) jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan data berdistribusi
normal, maka model regresi tidak memenuhi asumsi normalitas.
Hasil uji normalitas data dalam penelitian ini menunjukkan bahwa
variabel independendan variabel dependen berdistribusi normal. Hal ini
dapat dilihat dari grafik histogram dan normal probability plot yang
Gambar 4.1 Grafik Histogram
Sumber : diolah dengan SPSS, 2010
Grafik histogram di atas menunjukkan bahwa data telah terdistribusi
secara normal. Hal ini dapat dilihat dari grafik histogram yang
menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng
(skewness) kiri maupun menceng ke kanan. Hal ini juga didukung dengan
Gambar 4.2
Normal Probability Plot
Sumber : diolah dengan SPSS, 2010
Dari grafik normal probability plot menggambarkan titik-titik yang
menyebar mendekati garis diagonal, sehingga data dikatakan normal. Pada
grafik PP Plots di atas terlihat titik-titik menyebar di sekitar/mengikut i
garis diagonal, yang menunjukkan bahwa data berdistribusi normal. Kedua
grafik ini menunjukkan bahwa model regresi layak digunakan karena
memenuhi uji normalitas data.
Uji statistik yang dapat digunakan untuk menguji apakah residual
berdistribusi normal adalah uji statistik non parametrik Kolmogorov–
Smirnov. Jika nilai signifikansi lebih besar dari 0.05, maka data residual berdistribusi normal. Namun, jika nilai signifikansi lebih kecil dari 0.05,
maka data residual tidak berdistribusi normal. Berikut ini uji Kologorov
Smirnov dapat dilihat pada tabel 4.2.
Tabel 4.2
Uji Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 30 Normal Parametersa Mean .0000000 Std. Deviation 1.78559503 Most Extreme Differences Absolute .170 Positive .170 Negative -.088 Kolmogorov-Smirnov Z .929
Asymp. Sig. (2-tailed) .354
a. Test distribution is Normal.
Sumber : diolah dengan SPSS, 2010
Dari hasil uji Kolmogorov Smirnov, dapat dilihat bahwa p-value pada
kolom Asimp. Sig(2-tailed) memiliki nilai 0,354 nilai ini > 0,05 (level of
significant). Hal ini menunjukkan bahwa residual terdistribusi normal. b) Uji Multikolineritas
Uji multikolineritas bertujuan untuk menguji apakah dalam suatu
model regresi terdapat korelasi antar variabel independen. Pengujian
multikolinearitas dilakukan dengan melihat VIF antar variabel independen.
multikolinearitas. Berikut adalah hasil uji multikolinearitas variabel yang
digunakan dalam penelitian
Tabel 4.3 Uji Multikolineritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 1.564 1.413 1.106 .280
Current Ratio .138 .258 .114 .535 .598 .712 1.405 Quick Ratio -.010 .312 -.007 -.031 .976 .687 1.455 Total Asset Turn
Over -.103 .232 -.085 -.444 .661 .871 1.148 Debt To Total
Asset Ratio 6.195 4.816 .249 1.286 .211 .859 1.165 Net Profit Margin 7.007 3.318 .402 2.112 .045 .887 1.127 a. Dependent Variable: KMK
Sumber : diolah dengan SPSS, 2010
Tabel 4.3 diatas memperlihatkan bahwa variabel CR memiliki nilai
VIF 1,405 (<10) dan nilai Tolerance 0.712 (>0,1). Variable QR memiliki nilai VIF 1,455 (<10) dan nilai Tolerance 0,687 (>0,1). Variable TATO
memiliki nilai VIF 1,148 (<10) dan nilai Tolerance 0,871 (>0,1). Variabel
DTAR memiliki nilai VIF 1,165 (<10) dan nilai Tolerance 0,859 (>0,1).
Variable NPM memiliki nilai VIF 1,127(<10) dan nilai Tolerance 0,887
(>0,1). Hasil tersebut menunjukkan bahwa seluruh variabel terbebas dari
c) Uji Heterokedastisitas
Tujuan dilakukannya uji heteroskedastisitas adalah untuk menguji
apakah dalam suatu model regresi terdapat ketidaksamaan pengganggu
antara satu pengamatan ke pengamatan yang lain. Berikut disajikan hasil
dari uji heteroskedastisitas yang ditunjukkan dalam grafik scatterplot pada
gambar 4.3.
Gambar 4. 3 Grafik Scatterplot
Hasil uji grafik Scatterplot menunjukkan tidak terjadinya
heteroskedastisitas pada model regresi. Hal ini terlihat dari titik-titik yang
menyebar secara acak yang terdapat diatas maupun dibawah angka 0 pada
sumbu Y, titik-titik data tidak mengumpul hanya di atas atau di bawah
d) Uji Autokorelasi
Uji autokorelasi menguji apakah dalam sebuah model regresi linier ada
korelasi antara kesalahan pengganggu pada periode dengan kesalahan pada
periode t-1 (sebelumnya), jika terjadi korelasi maka dinamakan ada
problem autokorelasi. Model regresi yang baik adalah regresi yang bebas
dari autokorelasi. Deteksi autokorelasi dengan melihat besaran
Durbin-Watson. Secara umum bisa diambil patokan :
1) angka D – W di bawah – 2, berarti ada autokorelasi posistif,
2) angka D – W diantara – 2 sampai + 2, berarti tidak ada autokorelasi,
3) angka D – W di atas + 2, berarti ada autokorelasi negatif.
Tabel 4.4 Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .476a .227 .066 1.96280 2.165
a. Predictors: (Constant), Net Profit Margin, Total Asset Turn Over, Debt To Total Asset Ratio, Current Ratio, Quick Ratio
b. Dependent Variable: Rata-rata KMK
Sumber : diolah dengan SPSS, 2010
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 2.165 berada pada
4. Koefisien Determinasi
Koefisien determinasi R Square (R2 = Koefisien determinasi)
menunjukkan seberapa besar variabel independen menjelaskan variabel
dependennya. Nilai R Square (R2 ) berada diantara 0 dan 1. Nilai R2 yang
kecil berarti kemampuan variabel independen dalam menerangkan variasi
variabel dependen sangat terbatas. Sedangkan apabila R2 nilai semakin
mendekati satu, maka variabel-variabel independen dapat memberikan semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Dari
hasil pengolahan regresi berganda pada tabel 4.5, dapat diketahui bahwa nilai
R adalah 0,476 atau 47,6% yang berarti bahwa korelasi atau hubungan antara
variabel Kredit Modal Kerja dengan variabel independennya (CR, QR, TATO,
DTAR, NPM) tidak kuat. Defenisi korelasi ini tidak kuat didasarkan pada nilai
R yang berada dibawah 0.5.
Angka koefisien determinasi (Adjusted R Square) adalah 0.66. Hal ini
berarti 66% menunjukkan bahwa variabel independen CR, QR, TATO,
DTAR, NPM, hanya mampu menjelaskan 66% perubahan KMK. Sisanya
sebesar 34% dijelaskan oleh faktor lain yang tidak dimasukkan dalam model
Tabel 4.5 Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .476a .227 .066 1.96280 2.165
a. Predictors: (Constant), Net Profit Margin, Total Asset Turn Over, Debt To Total Asset Ratio, Current Ratio, Quick Ratio
b. Dependent Variable: Rata-rata KMK
Sumber : diolah dengan SPSS, 2010
5. Pengujian Hipotesis
Pengujian hipotesis yang akan dilakukan didahului oleh analisis regresi.
Penelitian ini menggunakan analisis regresi linier berganda untuk pengujian
statistiknya. Model regresi berganda yang akan diuji dapat dilihat berikut ini.
Y = α + β1x1+ β2x2+ β3x3+ β4x4+ β55 + e Keterangan :
Y = Kredit Modal Kerja (KMK)
X1 = Current Ratio (CR)
X2 = Quick Ratio (QR)
X3 = Total Asset Turnover (TATO)
X4 = Debt To Total Asset Ratio (DTAR)
X5 = Net Profit Margin (NPM)
α = Konstanta
β1, β2, β3, β4, β5 = Koefisien regresi yang menunjukkan angka peningkatan atau penurunan variabel dependen berdasarkan pada variabel
Tabel 4.6 Koeefisien Regresi Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 1.564 1.413 1.106 .280 Current Ratio .138 .258 .114 .535 .598 .712 1.405 Quick Ratio -.010 .312 -.007 -.031 .976 .687 1.455 Total Asset Turn Over -.103 .232 -.085 -.444 .661 .871 1.148 Debt To Total Asset Ratio 6.195 4.816 .249 1.286 .211 .859 1.165 Net Profit Margin 7.007 3.318 .402 2.112 .045 .887 1.127 a. Dependent Variable: KMK
Sumber : diolah dengan SPSS, 2010
Persamaan regresi :
KMK = 1.564 + 0.138 CR – 0.10 QR – 0.103 TATO + 6.195 DTAR +
7.007 NPM + e
Interpretasi model :
1. α = 1.564, nilai konstanta ini menunjukkan bahwa dengan tidak adanya rasio-rasio keuangan berupa current ratio, quick ratio, total asset
turnover, debt to total asset ratio, dan net profit margin maka pemberian kredit akan meningkat sebesar 1.564 %;
2. β1=0.138, koefisien regresi ini menunjukkan bahwa setiap penambahan (karena tanda +) 1% CR akan meningkatkan pemberian kredit sebesar
3. β2 =-0.010, koefisien regresi ini menunjukkan bahwa setiap perubahan 1% QR akan menurunkan pemberian kredit melalui kebutuhan modal
kerja debitur sebesar 0.010 %;
4. β3 =-1.103, koefisien regresi ini menunjukkan bahwa setiap perubahan 1% TATO akan menurunkan pemberian kredit sebesar 1.103 %;
5. β4 = 6.195, koefisien regresi ini menunjukkan bahwa setiap perubahan 1% DTAR akan meningkatkan pemberian kredit sebesar 6.195 %;
6. β5 = 7.007, koefisien regresi ini menunjukkan bahwa setiap perubahan 1% NPM akan meningkatkan pemberian kredit sebesar 7.007%;
Pengujian hipotesis dilakukan setelah analisis regresi dengan tujuan untuk
menguji variabel independen dalam model regresi berpengaruh atau tidak
terhadap variabel dependen. Hipotesis yang dikemukakan untuk penelitian ini
diatur sebagai berikut.
H0 : CR, QR, TATO, DTAR, NPM debitur tidak berpengaruh terhadap
penyaluran Kredit Modal Kerja baik secara parsial maupun secara
simultan.
H1 : CR, QR, TATO, DTAR, NPM debitur berpengaruh terhadap penyaluran
Kredit Modal Kerja baik secara parsial maupun secara simultan.
Hipotesis yang menguji pengaruh CR, QR, TATO, DTAR, dan NPM
terhadap penyaluran KMK baik secara parsial maupun simultan dijelaskan
melalui uji t dan uji F berikut ini.
Tabel 4.7 Uji Statistik t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 1.564 1.413 1.106 .280
Current Ratio .138 .258 .114 .535 .598 .712 1.405 Quick Ratio -.010 .312 -.007 -.031 .976 .687 1.455 Total Asset Turn
Over -.103 .232 -.085 -.444 .661 .871 1.148 Debt To Total
Asset Ratio 6.195 4.816 .249 1.286 .211 .859 1.165 Net Profit Margin 7.007 3.318 .402 2.112 .045 .887 1.127 a. Dependent Variable: KMK
Sumber : diolah dengan SPSS, 2010
1) Pengaruh kondisi likuiditas terhadap pemberian kredit
Berdasarkan teori rasio likuiditas, rasio ini berguna untuk mengetahui
berapa kemampuan perusahaan dalam melunasi utang-utang jangka
pendek yang jatuh tempo dengan aktiva jangka pendek yang dimilikinya
(Veithzal dan Andria, 2007:350). Kondisi likuiditas debitur dalam
penelitian ini diwakili oleh Current Ratio (CR) dan Quick Ratio (QR).
Berdasarkan tabel 4.7, variabel CR (X1) diperoleh p-value sebesar
0,598 (> 0,05) dan hasil t tabel untuk TINV (0,05;30) adalah 2,042272.
Nilai t hitung < t tabel (0.535 < 2,042272). Hal ini mengindikasikan H0
diterima dan H1 ditolak, yang berarti bahwa CR tidak berpengaruh
terhadap penyaluran KMK secara parsial. Berdasarkan tabel 4.7, variabel
TINV (0,05;30) adalah 2,042272. Nilai t hitung < t tabel (-0.031 <
2,042272). Hal ini mengindikasikan H0 diterima dan H1 ditolak, yang
berarti bahwa QR tidak berpengaruh terhadap penyaluran KMK secara
parsial.
2) Pengaruh kondisi aktivitas terhadap pemberian kredit
Berdasarkan teori rasio aktivitas, rasio ini berguna untuk mengetahui
kemampuan bisnis perbankan itu dalam memanfaatkan aktiva yang
dimilikinya, serta mengukur sampai seberapa besar efektivitas organisasi
bisnis perbankan dalam mengelola sumber-sumber dananya
(Sastradipoera, 2004:175). Kondisi likuiditas debitur dalam penelitian ini
diwakili oleh Total Asset Turnove (TATO).
Berdasarkan tabel 4,7, variabel TATO (X3) diperoleh p-value sebesar
0.661 (>0.05) dan hasil t tabel untuk TINV (0,05;30) adalah 2,042272.
Nilai t hitung < t tabel (-0.444 < 2,042272). Hal ini mengindikasikan H0
diterima dan H1 ditolak, yang berarti bahwa TATO tidak berpengaruh
terhadap penyaluran KMK secara parsial.
3) Pengaruh kondisi leverage terhadap pemberian kredit
Rasio ini berguna untuk mengetahui kemampuan suatu perusahaan
dalam melunasi kewajibannya bilamana perusahaan tersebut
dilikuidasikan, dan juga berguna untuk mengukur sampai seberapa jauh
aktiva perusahaan dibiayai oleh utang-utangnya (Sastradipoera, 2004:175).
Berdasarkan tabel 4.7, variabel DTAR (X4) diperoleh p-value sebesar
0.211 (> 0.05) dan hasil t tabel untuk TINV (0,05;30) adalah 2,042272.
Nilai t hitung < t tabel (1.286 < 2,042272). Hal ini mengindikasikan H0
diterima dan H1 ditolak, yang berarti bahwa DTAR tidak berpengaruh
terhadap penyaluran KMK secara parsial.
4) Pengaruh kondisi profitabilitas terhadap pemberian kredit
Rasio ini berguna untuk mengetahui kemampuan suatu perusahaan
dalam menghasilkan laba dari berbagai sumber yang dimilikinya, juga
mengetahui hasil akhir dari sejumlah kebijakan dan keputusan manajemen
bisnis perbankan. (Sastradipoera, 2004:176). Kondisi profitabilitas
perusahaan diwakili oleh variable Net Profit Margin (NPM).
Berdasarkan tabel 4.7, variabel NPM (X5) diperoleh p-value 0.045 (<
0.05) dan hasil t tabel untuk TINV (0,05;30) adalah 2.042272. Nilai t
hitung > t tabel (2.112 > 2.042272). Hal ini mengindikasikan H1 diterima dan H0 ditolak yang berarti bahwa NPM berpengaruh terhadap pemberian
KMK secara parsial.
b. Uji statistik F
Uji F bertujuan untuk menguji pengaruh DTAR, QR, NPM, ROI
secara simultan terhadap KMK yang dapat dilihat pada tabel 4.9 berikut
Tabel 4.8 Uji Statistik F
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 27.100 5 5.420 1.407 .257a
Residual 92.462 24 3.853
Total 119.562 29
a. Predictors: (Constant), Net Profit Margin, Total Asset Turn Over, Debt To Total Asset Ratio, Current Ratio, Quick Ratio
b. Dependent Variable: Kredit Modal Kerja
Sumber : diolah dengan SPSS, 2010
Berikut ini ketentuan untuk menolak atau menerima hipotesis di atas.
a) Perbandingan F hitung dengan F tabel (α ; k-1; n-k)
Jika statistik F hitung > F tabel, maka H0 ditolak dan H1 dterima.
Jika statistik F hitung < F tabel, maka H0 diterima dan H1 ditolak.
b) Nilai probabilitas (tingkat signifikansi)
Jika probabilitas < 0,05, maka H0 ditolak dan H1 dterima.
Jika probabilitas > 0,05, maka H0 diterima dan H1 ditolak.
Hasil uji F dalam tabel Anova, menunjukkan nilai F hitung sebesar
1.407 dan nilai signifikansi sebesar 0,257 (>0,05). Nilai F hitung tersebut
akan dibandingkan dengan nilai F tabel yang diperoleh melalui fungsi
FINV pada Microsoft Excel. Hasilnya diketahui bahwa nilai F tabel untuk
FINV adalah 2.620654. Nilai F hitung < F tabel (1.407 < 2.620654).
DTAR, NPM secara simultan tidak berpengaruh terhadap penyaluran
KMK.