commit to user
102
2. Uji Asumsi Klasik
a. Uji Multikolineritas
Uji multikolineritas dibutuhkan untuk mengetahui ada atau tidaknya variabel bebas yang memiliki kemiripan dengan variabel bebas lainnya dalam
satu model. Pada analisis regresi dua prediktor, model harus terbebas dari multikolineritas. Deteksi multikolineritas dapat dilihat dari nilai Variance
Inflation Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka dapat dinyatakan bahwa model terbebas dari multikolineritas.
Hasil uji Variance Inflation Factor VIF dan Tolerance pada hasil output SPSS tabel coefficients, tiap-tiap variabel memiliki VIF sebesar 2,618
diartikan bahwa 2,618 10 dan nilai Tolerance sebesar 0,382 diartikan bahwa 0,382 0,1. Berdasarkan hasil uji multikolineritas tersebut maka
dapat dinyatakan bahwa model regresi dua prediktor terbebas dari multikolineritas dan dapat digunakan dalam penelitian.
b. Uji Heteroskesdastisitas
Uji heteroskesdastisitas dilakukan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain
atau gambaran hubungan antara nilai yang diprediksi dengan studentized delete residual nilai tersebut. Cara untuk memprediksi ada atau tidaknya
heteroskesdastisitas pada suatu model dapat dilihat pada pola gambar Scatterplott yang menyatakan bahwa model tersebut tidak terdapat gejala
heteroskedastisitas, apabila:
commit to user
103
1 Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. 2 Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
3 Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4 Penyebaran titik-titik data tidak berpola Hasil analisis pola gambar Scatterplott pada lampiran dapat dilihat
bahwa pada pola gambar titik-titik data menyebar, tidak mengumpul di atas atau di bawah saja sehingga model regresi dalam penelitian ini terbebas dari
heteroskedastisitas.
c. Uji Autokorelasi
Uji autokorelasi digunakan untuk mendeteksi bahwa variabel tergantung tidak berkorelasi dengan dirinya sendiri, baik nilai periode sebelumnya atau
nilai periode sesudahnya. Untuk menguji adanya autokorelasi dalam penelitian ini digunakan uji DW Durbin-Watson. Model regresi linier
berganda terbebas dari autokorelasi jika nilai Durbin-Watson hitung terletak di daerah No Autocorelation atau nilai hitung Durbin-Watson mendekati atau
disekitar angka 2. Hasil analisis menunjukkan nilai Durbin-Watson sebesar 2,169. Untuk
mengetahui apakah nilai hitung tersebut terletak di daerah no Autocorelation, maka terlebih dahulu menentukan nilai dl batas bawah dan du batas atas
dari nilai Durbin Watson tersebut. Penentuan nilai du dan dl berdasarkan pada tabel uji Durbin Watson dengan k=2 dan N=40 k=jumlah variabel bebas dan
commit to user
104
N= jumlah sampel maka diperoleh nilai dl=1,391 dan nilai du=1,6. Perhitungan selanjutnya 4-du 4-1,6=2,4 dan 4-dl 4-1,391=2,609. Untuk
lebih jelasnya dapat dilihat pada gambar 2 berikut ini:
negatif No autocorelation
positif autocorelation
autocorrelation
dl du
2 4-du
4-dl 0 1,391
1,6 2,4
2,609 2,169
nilai hitung Durbin Watson
Gambar 2. Pengujian autokorelasi
Hasil analisis diperoleh nilai Durbin-Watson sebesar 2,169. Berdasarkan gambar di atas, diketahui bahwa nilai 2,169 dikatakan dekat atau disekitar
angka 2 dan terletak di daerah No autocorrelation, jadi model ini terbebas dari autokorelasi.
3. Uji Hipotesis