gejala multikolinieritas ini juga dapat dijelaskan dari collinieraty diagnoctics berikut ini:
Tabel 5.9 Hasil Uji Condition Index
Collinearity Diagnostics
a
Model Dimension Eigen value Condition Index Variance Proportions
Constant KA KuA TATO EM 1
1 4.508
1.000 .00 .00
.01 .00 .01
2 .332
3.688 .00 .00
.05 .00 .81
3 .105
6.543 .01 .04
.77 .07 .10
4 .043
10.258 .00 .49
.00 .45 .08
5 .012
19.488 .99 .47
.17 .47 .00
a. Dependent Variabel: PBV
Sumber : Hasil Penelitian, 2012 data diolah SPSS 19
Ghozali 2005 menemukan bahwa mulitikolinieritas akan terjadi jika nilai eigen mendekati 0 dan multikolinieritas terjadi apabila nilai index melebihi 15,
dan jika nilai melebihi 30 maka dipastikan multikolinieritas terjadi dalam data tersbut, dari tabel 5.6 terlihat bahwa nilai eigen tidak mendekati 0 dan nilai index
di bawah 15 yang berarti bahwa variabel bebas terhindar dari multikolinieritas.
5.1.3.3 Uji Autokorelasi
Hasil dari hasil uji autocorrelation dapat dilihat bahwa nilainya 1,527. Karena nilai autokorelasi berada di antara 1,5 sampai dengan 2,5 sehingga data
tersebut tidak terjadi autokorelasi. Tabel hasil uji autocorellation dapat kita lihat dari tabel berikut ini:
Universitas Sumatera Utara
Tabel 5.10 Hasil Uji Durbin-Watson
Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t
-1
Pada penelitian ini, gejala autokorelasi dideteksi dengan menggunakan Uji Durbin-Watson lewat SPSS. Pengambilan keputusan ada tidaknya autokorelasi
ditentukan berdasarkan kriteria berikut Ghozali, 2005: sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan
pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena “gangguan” pada
individu atau kelompok cenderung mempengaruhi individu atau kelompok pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari
autokorelasi.
1. Bila nilai DW terletak antara 1,5 sampai dengan 2,5, berarti tidak terjadi autokorelasi
2. Bila nilai DW terletak antara 0 sampai dengan 1,5 berarti ada autokorelasi positif
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .453
.205
a
.076 .86424
1.631 a. Predictors: Constant, TATO, EM, JDK, KUA, KM, KI, KA
b. Dependent Variabel: PBV
Sumber : Hasil Penelitian, 2012 data diolah SPSS 19
Universitas Sumatera Utara
3. Bila nilai DW terletak antara 2,5 sampai dengan 4, maka terjadi autokorelasi negatif
Dari data diatas dapat dilihat bahwa nilai Durbin-Watson yang didapat adalah 1,631. Berdasarkan kriteria yang ada maka nilai DW terletak antara 1,5
sampai dengan 2,5, berarti data tidak mengalami autokorelasi.
5.1.3.4 Uji Heteroskedastisitas
