b. Uji Multikolinearitas
Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar variabel-variabel independen. Model regresi yang baik seharusnya tidak terjadi
korelasi antar variabel independen. Deteksi dilakukan dengan melihat nilai VIF Variable Infalation Factor dan toleransi. Pengujian dilakukan dengan SPSS 16.
nilai VIF serta toleransi dari variabel-variabel penelitian dapat dilihat pada tabel berikut ini.
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics
Model B
Std. Error Beta
t Sig. Tolerance VIF
Constant 11.388
2.949 3.861
.001 Ln_DAU
.559 .108
.730 5.191
.000 .868 1.152
1 Ln_PAD
.004 .103
.006 .040
.968 .868 1.152
a. Dependent Variable: Ln_B_langsung Sumber : Lampiran diolah dari SPSS, 2010
Berdasarkan tabel diatas dapat disimpulakan penelitian ini bebas dari gejala multikolinearitas. Jika dilihat pada tabel semua variabel independen
memiliki VIF 10. Selain itu nilai toleransi untuk setiap variabel independen lebih besar dari 0,1 tolerance 0.1. dengan demikian disimpulkan tidak ada
multikolinearitas dalam model regresi ini.
Universitas Sumatera Utara
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual
suatu periode pengamatan ke periode yang lain. Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila
ada titik-titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y serta tidak membentuk pola maka tidak terjadi heteroskedastisitas. Grafik scatterplot
dapat dilihat pada gambar berikut ini.
Gambar 4.3 Uji Heteroskedastisitas
Sumber : Lampiran diolah dari SPSS,2010
Dari scatterplot diatas terliahat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur. Hal ini mengidikasikan
tidak terjadi heteroskedastisitas pada model regrei sehingga model regresi layak dipakai.
Universitas Sumatera Utara
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1. autokorelasi muncul karena obsevasi yang berurutan sepanjang tahun yang berkaitan satu sama lain. Hal ini sering ditemukan pada time series. Cara
yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson dengan ketentuan sebagai berikut:
1. Angka D-W dibawah -2 berarti ada autokorelasi posotif,
2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3. Angka diatas +2 berarti ada autokorelasi negatif.
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .732
a
.536 .502
.22811 1.322
a. Predictors: Constant, Ln_PAD, Ln_DAU b. Dependent Variable: Ln_B_langsung
Sumber : Lampiran diolah dari SPSS,2010
Dari tabel diatas memperlihatkan nilai statistik D-W sebesar 1,322. angka ini terletak diantara -2 dan +2, dari pengamatan ini dapatt disimpulkan bahwa
tidak ada terjadi autokorelasi positif maupun negatif.
3. Pengujian Hipotesis