signifikan dari Kolmogorov-Smirnov yang dihasilkan lebih besar dari 0,05 sig 5.
4.4.2. Uji Asumsi Klasik
Uji asumsi klasik yang digunakan adalah uji multikolinieritas dan
heteroskedastisitas, sedangkan uji autokorelasi tidak dilakukan karena data
yang digunakan dalam penelitian ini adalah data yang tidak berdasarkan waktu urut time series. Santoso, 2000: 216
1. Multikolinieritas
Berikut ini nilai VIF pada variabel motivasi karir X
1
, motivasi kualitas X
2
dan motivasi ekonomi atau profesi X
3
: Tabel 4.15 : Nilai VIF Variance Inflation Factor
No. Variabel Bebas VIF
1. 2.
3. Motivasi karir X
1
Motivasi kualitas X
2
Motivasi ekonomi X
3
1,803 1,796
1,018
Sumber : Lampiran 7 Berdasarkan
hasil analisis di atas menunjukkan bahwa nilai VIF
dari masing-masing variabel bebas menunjukkan bahwa angka kurang dari 10 VIF 10, dengan demikian dapat disimpulkan bahwa model
regresi tersebut tidak mengindikasikan adanya multikolinieritas atau asumsi non multikolinieritas terpenuhi.
2. Heteroskedastisitas
Uji Heteroskedastisitas
bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lainnya. Heteroskedastisitas dapat diidentifikasikan dengan
cara menghitung koefisien korelasi Rank Spearman antara nilai residual dengan seluruh variabel bebas. Berikut hasil uji heteroskedastisitas untuk
masing-masing variabel bebas. Tabel 4.16: Korelasi Rank Spearman
Variabel Bebas Koefisien korelasi
Rank Spearman Tingkat
signifikansi Motivasi karir X
1
Motivasi kualitas X
2
Motivasi ekonomi X
3
-0,004 0,026
-0,084 0,975
0,838 0,514
Sumber: Lampiran 7 Berdasarkan
hasil analisis di atas menunjukkan bahwa nilai
signifikan korelasi Rank Spearman untuk masing-masing variabel lebih besar dari 5 0,05 yang berarti tidak terdapat korelasi antara residual
dengan variabel bebasnya, atau tidak terjadi heteroskedastisitas sehingga asumsi non heteroskedastisitas terpenuhi.
4.4.3. Persamaan Regresi Linier Berganda
Analisis data untuk menggambarkan pengaruh antara satu variabel terikat minat mahasiswa dengan beberapa variabel bebas motivasi karir,
motivasi kualitas dan motivasi ekonomi dapat dilakukan dengan metode regresi linier berganda. Berikut ini hasil analisis regresi linier berganda :
Tabel 4.17: Hasil Analisis Regresi Linier Berganda Model Koefisien
Regresi Konstanta
Motivasi karir X
1
Motivasi kualitas X
2
Motivasi ekonomi atau profesi X
3
7,578 -0,178
0,355 0,682
R = 0,652 R
2
= 0,426 Sumber : Lampiran 7
Secara statistik diperoleh persamaan regresi sebagai berikut:
Y = 7,578 - 0,178 X
1
+ 0,355 X
2
+ 0,682 X
3
Berdasarkan persamaan regresi di atas dapat diperoleh penjelasan sebagai berikut:
1. Konstanta a menunjukkan besarnya nilai dari minat mahasiswa Y yaitu sebesar 7,578 apabila variabel motivasi karir X
1
, motivasi kualitas X
2
dan motivasi ekonomi X
3
adalah konstan. 2. Koefisien regresi untuk X
1
b
1
= -0,178 artinya jika variabel motivasi karir X
1
naik satu satuan, maka minat mahasiswa Y akan turun sebesar 0,178 dengan asumsi variabel bebas lainnya adalah konstan.
3. Koefisien regresi untuk X
2
b
2
= 0,355 artinya jika variabel motivasi kualitas X
2
naik satu satuan, maka minat mahasiswa Y akan naik sebesar 0,355 dengan asumsi variabel bebas lainnya adalah konstan.
4. Koefisien regresi untuk X
3
b
3
= 0,682 artinya jika variabel motivasi ekonomi X
3
naik satu satuan, maka minat mahasiswa Y akan naik sebesar 0,682 dengan asumsi variabel bebas lainnya adalah konstan.
Nilai koefisien
determinasi R
2
yang dihasilkan dalam penelitian ini sebesar 0,426 menunjukkan motivasi karir X
1
, motivasi kualitas X
2
dan motivasi ekonomi X
3
berpengaruh terhadap minat mahasiswa Y sebesar 42,6 sedangkan sisanya 57,4 dipengaruhi oleh faktor lain yang tidak
dibahas pada penelitian ini. Nilai
koefisien korelasi
ganda R yang dihasilkan dalam penelitian ini
sebesar 0,652 menunjukkan motivasi karir X
1
, motivasi kualitas X
2
dan
motivasi ekonomi X
3
memiliki korelasi ganda yang tinggi terhadap minat mahasiswa Y sebesar 65,2.
4.4.4. Uji Kecocokan Model Uji F
Kategori