METODE PENELITIAN
3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas (Ghozali, 2013:139).
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID dimana Sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah di studentized. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, menyebar kemudian menyempit) mengidentifikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang tidak jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
43 4. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autikorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “pengganggu” pada seseorang individu/kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode berikutnya (Ghozali, 2013:110).
Menurut Ghozali (2013:111-120). Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi:
a. Uji Durbin-Watson (DW test)
Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (kostanta) dalam model regresi dan tidak ada variabel lag diantara variabel independen.
b. Uji Lagrange Multiplier (LM test)
Uji autokorelasi dengan LM test terutama digunakan untuk sample besar diatas 100 observasi. Uji ini memang lebih tepat digunakan dibandingkan uji DW terutama bila sample yang digunakan relatif besar dan derajat autokorelasi lebih dari satu. Uji LM akan menghasilkan statistik Breusch-Godfrey (BG) Test.
c. Uji Statistics Q : Box-Pierce dan Ljung Box
Uji Box-Pierce dan Ljung Box digunakan untuk melihat autokorelasi dengan lag lebih dari dua.
d. Uji Run Test
Run test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak (sistematis).
H0 : residual (res_1) random (acak). HA : residual (res_1) tidak random.
44 3.5.3 Pengujian Hipotesis Penelitian
Menurut Lubis, dkk (2007:45), “regresi yang memiliki satu variabel dependen dan lebih dari satu variabel independen disebut regresi berganda. Model regresi linier berganda dikatakan model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi klasik statistik, baik itu multikolinearitas, autokorelasi dan heterokedastisitas”.
Penelitian ini menggunakan teknik analisis regresi linier berganda. Analisis regresi linier berganda ini digunakan untuk mengetahui ada tidaknya pengaruh antar variable bebas yaitu Dana Pihak Ketiga , Loan to Deposit Ratio (LDR), Capital Adequacy Ratio(CAR), Non Performing Loan (NPL), Retturn On Asset (ROA), Suku Bunga SBI terhadap variable terikat yaitu Jumlah penyaluran kredit secara . Model persamaannya adalah sebagai berikut :
Y = a+b1X1 + b2X2 + b3X3 + b4X4 + b5X5 +b6X6 + e Keterangan :
Y = Jumlah Penyaluran Kredit a = Konstanta
b1, b2, b3 = Koefisien Regresi,
X1 = Dana Pihak Ketiga (DPK) X2 = Loan to Deposit Ratio (LDR) X3 = Capital AdequacyRatio(CAR) X4 = Non Performing Loan (NPL) X5 = Retturn On Asset (ROA) X6 = Suku Bunga SBI
45 e = Variabel residual (tingkat error)
3.5.3.1Analisis Koefisien Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas.
Kelemahan mendasar penggunaan koefisien determinasi adalah bisa terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, maka R2 pasti meningkat tidak perduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R2 pada saat mengevalusi mana model regresi terbaik (Ghozali, 2013:97).
3.5.3.2Pengujian Signifikansi Parsial (Uji t)
“Uji statisttik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen” (Ghozali, 2013:98). Tahap-tahap pengujian sebagai berikut:
a. Merumuskan hipotesis statistik:
Ho: � = 0, artinya tidak terdapat pengaruh dari variabel independen terhadap variabel dependen.
Ha: � ≠ 0, artinya terdapat pengaruh dari variabel independen terhadap variabel dependen.
b. Menentukan taraf signifikansi
Signifikansi atau tidaknya pengaruh variabel independen terhadap variabel dependen dilakukan dengan melihat nilai probabilitas dari t rasio masing-masing variabel independen pada taraf uji α = 5%.
46 c. Kriteria pengambilan keputusan
• Jika probabilitas lebih kecil daripada α maka Ho ditolak dan Ha diterima yang memiliki arti bahwa variabel independen memiliki pengaruh signifikansi terhadap variabel dependen.
• Jika probabilitas lebih besar daripada α maka Ho diterima dan Ha ditolak yang memiliki arti bahwa variabel independen tidak memiliki pengaruh signifikan terhadap variabel dependen. Dapat juga digunakan perbandingan signifikansi thitung dengan ketentuan:
Ho diterima jika thitung < ttabel
Ha diterima jika thitung > ttabel
3.5.3.3Pengujian Signifikansi Simultan (Uji f)
“Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat” (Ghozali, 2013:98). Tujuannya adalah untuk mengetahui apakah semua variabel independen secara simultan merupakan penjelas yang signifkan atau tidak terhadap variabel dependen. Tahap-tahap pengujian sebagai berikut:
a. Merumuskan hipotesis
Ho : �1 = �2 = �3 = �4= �5= �6 = 0, artinya tidak terdapat pengaruh yang signifikan dari variabel independen (X1, X2, X3, X4, X5, dan X6) terhadap variabel dependen (Y).
Ha : �1 = �2 = �3 = �4 = �5 = �6 ≠ 0, artinya terdapat pengaruh yang signifikan dari variabel independen (X1, X2, X3, X4, X5, dan X6) terhadap variabel dependen (Y).
47 b. Menentukan taraf signifikansi
Signifikan atau tidaknya pengaruh variabel independen secara simultan terhadap variabel dependen dilakukan dengan melihat probabilitas dari F rasio seluruh variabel independen pada taraf uji α = 5 %.
c. Kriteria pengambilan keputusan
• Jika probabilitas lebih kecil daripada α maka Ho ditolak dan Ha diterima yang memiliki arti bahwa variabel independen secara bersama-sama memiliki pengaruh signifikansi terhadap variabel dependen.
• Jika probabilitas lebih besar daripada α maka Ho diterima dan Ha ditolak yang memiliki arti bahwa variabel independen secara bersama-sama tidak memiliki pengaruh signifikan terhadap variabel dependen. Dapat juga digunakan perbandingan signifikansi Fhitung dengan ketentuan:
48 BAB IV