BAB IV HASIL DAN PEMBAHASAN
C. Uji Asumsi Klasik
Berdasarkan hasil uji analisis deskriptif pada gambar 4.3 dapat dilihat bahwa pembiayaan musyarakah terendah terjadi pada bulan November 2021 yaitu sebesar 9.064.972.000.000.
Sedangkan pembiayaan musyarakah tertinggi terjadi pada bulan Maret 2018 yaitu sebesar 19.768.934.000.000. Dan nilai rata-rata pembiayaan mudharabah dari 2018 sampai 2021 sebesar 15.542.993.95, serta standar deviationnya sebesar 2.109.017.046.
Dapat dilihat pada analisis pembiayaan terjadi skala turun naiknya pembiayaan sehingga dapat disimpulkan bahwa pembiayaan Musyarakah dari tahun 2018 sampai dengan 2021 tidak menentu atau fluktuatif.
C.Uji Asumsi Klasik
Sumber: Data Skunder (laporan keuangan 2018-2021) diolah dengan SPSS 26.00
Pada prinsipnyanormalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. jika titik- titik mendekati gambar diagonal, maka dapat dikatakan data penelitian tersebut berdistribusi normal. Sebaliknya jika titik- titiknya menjauhi garis diagonal maka data tersebut tidak terdistribusi normal.
Berdasarkan gambar 4. 4 diatas dapat diketahui bahwa titik- titik yang terbentuk menyebar disekitar garis diagonal pada kurva p-plot, dengan demikian data dalam penelitian ini berdistribusi normal.
Kemudian dilakukan Uji One Sampel Kolomogorov Smirnov untuk mengetahui distribusi data, apakah mengikuti distribusi normal, poisson, unifon, atau exponential. Dalam hal ini, untuk mengetahui apakah distribusi residual berdistribusi normal atau tidak. Residual berdistribus normal jika nilai signifikan lebih dari 0,05. Berikut tabel Uji Kolmogorov-smirnom yang menunjukkan hasil pengujian normalitas menggunakan SPSS 26.00.
Gambar 4.5
Hasil Uji Kolmogorov-Smirnov
Mudharabah Musyarakah ROA
N 39 39 39
Normal Parametersa,b Mean 593.58128 15542.99395 .06059 Std. Deviation 109.701564 2109.017046 .071246 Most Extreme
Differences
Absolute .115 .191 .356
Positive .115 .150 .356
Negative -.088 -.191 -.201
Test Statistic .115 .191 .356
Asymp. Sig. (2-tailed) .200c,d .001c .000c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Sumber: Data Skunder yang diolah dengan SPSS 26.00 Pada gambar 4. 5 hasil Uji Kolmogorov-Smirnov test dapat kita lihat nilai signifikan data normal adalah jika p-value data kolom Asympn.sig.(2-tailed) >Level Of Significan (α) maka akan berdistrbusi normal.
Maka dapat kita lihat tabel Shapiro-Wilk 4.5 diatas Asympn.sig.(2-tailed) masing-masing variabel adalah Return On Asset (ROA) 0,000 < 0,05 (tidak normal), dan pembiayaan mudharabah 0,200 > 0,05 (normal) dan pembiayaan musyarakah 0,001 < 0,05 (tidak normal)
2. Uji heteroskedastisitas
Uji heteroskedastisitas adalah suatu keadaan dimana varian dari kesalahan pengganggu tidak kosntan untuk semua nilai variabel bebas, dimana uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual atau satu pengamatan lainnya. Untuk mendeteksinya lihat dari titik-titik yang menyebar diatas dan dibawah angaka 0 pada sumbu Y pada grafik Scatterplot.
Gambar 4.6
Hasil Uji Heteroskedastisitas
Sumber: Data Skunder yang diolah dengan SPSS 26.00 Dari grafik gambar 4.6 meunjukkan bahwa titik-titik menyebar secara acak dan tersebar baik pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk melihat pengaruh pembiayaan mudharabah pembiayaan musyarakah terhadap Retrn On Asset (ROA)
3. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk mengetahui ada tidaknya hubungan (korelasi) yang signifikan antara variabel bebas. Uji Multikolinieritas dengan SPSS 26.00 ditunjukkan lewat tabel Coefficient, yaitu pada kolom tolerance dan kolom VIF ( Variance Inflated Factors), tolerance adalah indicator seberapa banyak variabilitas sebuah variabel bebas tidak bias dijelaskan oleh variabel bebas.
Antara variabel bebas dikatakan tidak terjadi kolerasi jika nilai tolerance lebih dari 10% (Tolerance >0,01) dan memiliki nilai VIF kurang dari 10 (VIF < 10). Cara umum untuk mendeteksi adanya multikolinieritas adalah dengan melihat adanya nilai R2 yang tinggi dalam model tetapi tingkat signifikan yang sangat kecil dari hasil regresi tersebut dan cenderung
banyak yang tidak signifikan. Selain itu untuk menguji gejala multikolinieritas dengan melihat nilai korelasi antara variabel eksogen diatas 0,8, maka terdapat gejala multikolinieritas.
Gambar 4.7
Hasil Uji Multikolinieritas Coefficientsa
Model
Collinearity Statistics Tolerance VIF 1 (Constant)
Mudharabah .987 1.013
Musyarakah .987 1.013
a. Dependent Variable: ROA
Sumber: Data Skunder yang diolah dengan SPSS 26.00
Deteksi Multikolinieritas pada suatu model dapat dilihat dari beberapa hal, yaitu jika Variance Inflation Factor (VIF) tidak lebih dari 10, dan jika Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari Multikolinieritas.
Dari gambar 4. 7 diatas maka dapat disimpulkan bahwa nilai Tolerance masing-masing variabel independen sebesar 0,987 tidak akan lebih kecil dari 0,1. Begitu pula nilai Variance Inflation Factor (VIF) masing-masing sebesar 1,013 tidak ada yang lebih dari 10, maka dapat disimpulkan bahwa tidak terjadi Multikolinieritas antar variabel independen dengan model regresi.
4. Uji Autokorelasi
Uji Autokolerasi digunakan untuk melihat apakah ada hubungan linier antara error serangkaian observasi yang diurutkan menurut waktu (data time series). Untuk meneteksi ada atau tidaknya Autokolerasi dalam suatu model penelitian dapat menggunakan uji Durbin Waston. Nilai Durbin Waston yang diperoleh kemudian dibandingkan dengan nilai Ttabel. Pada α
=5%, hasil perbandingan akan menghasilkan kesimpulan seperti kriteria sebagai berikut:
a. Jika nilai Durbin waston (DW) dibawah -2 sampai +2 berarti akan Autokolerasi positif.
b. Jika nilai Durbin Waston (DW) diantara -2 sampai +2 berarti tidak terdapatAutokolerasi.
c. Jika nilai Durbin Waston (DW) diatas +2 berarti terdapat Autokolerasi negative.
Untuk menentukan adanya Autokorelasi atau tidak dapat diketahui dari table Durbin Waston sebagai berikut:
Gambar 4.8 Hasil Uji Autokorelasi Model Summaryb Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .462a .213 .170 .064927 .442
a. Predictors: (Constant), Musyarakah, Mudharabah b. Dependent Variable: ROA
Sumber: Data Skunder yang diolah dengan SPSS 26.00
Berdasarkan gambar 4. 8 diatas diketahui bahwa nilai Durbin Waston sebesar 0.442 dengan demikian Nilai Durbin Waston tersebut berada pada interval antara - 2 sampai dengan 2, sehingga dapat dipastikan bahwa model regresi linier berganda tidak terdapat gejala Autokorelasi dalam penelitian ini.