dengan nilai dl dan du yang terdapat pada tabel
Durbin-Watson
dengan menggunakan nilai signifikansi 5, jumlah sampel 47 n dan jumlah
variabel independen 3 k = 3, maka di tabel DW akan didapatkan nilai sebagai berikut nilai batas bawah dl adalah 1,3989 dan nilai batas atas
1,6692 Lampiran 6, Halaman 64. Nilai DW 1,570 berada diantara 1,3989 dl dan 1,6692. Jika dilihat dari dasar pengambilan keputusan
termasuk dl d du, maka tidak ada keputusan pasti dari hasil DW atas model regresi tersebut.
Untuk memastikan lebih lanjut ada atau tidaknya autokorelasi dalam model regresi lebih lanjut digunakan Uji
Run
. Uji
Run
digunakan untuk menguji apakah antara residual terdapat korelasi yang tinggi atau tidak.
Jika antar residual tidak terdapat hubungan korelasi, maka dikatakan bahwa residual adalah acak atau
random
. Hipotesis dari Uji
Run
adalah sebagai berikut Ghozali, 2011: : Nilai Sig 0,05 residual
random
acak : Nilai Sig 0,05 residual tidak
random
Hasil dari Uji
Run
dari penelitian ini adalah sebagai berikut:
Tabel 6. Uji Autokorelasi Uji
Run Runs Test
Unstandardized Residual
Asymp. Sig.
2
- tailed
0,239 Sumber: Lampiran 5, Halaman 63
Dari tabel di atas dapat disimpulkan bahwa
Asymp. Sig.
2-
tailed
tingkat kepercayaan 5 sehingga tidak dapat ditolak. Hal ini berarti
data yang dipergunakan tersebut
random
. Dapat diketahui bahwa tidak terdapat autokorelasi, sehingga model regresi layak digunakan.
b. Uji Normalitas
Uji Normalitas dilakukan dengan maksud untuk menguji apakah
dalam model regresi, variabel dependen dan independen mempunyai distribusi normal atau tidak Ghozali, 2011. Uji normalitas data dalam
penelitian ini menggunakan uji
Kolmogorov-Smirnov
. Uji
Kolmogorov- Smirnov
menggunakan bantuan SPSS untuk mengetahui data berdistribusi normal atau tidak dilihat pada basis
Asymph. Sig
2-
tailed
. Dasar pengambilan keputusan yaitu apabila
Asymph. Sig
2-
tailed
lebih dari 5, maka data dikatakan berdistribusi normal, dan sebaliknya jika
Asymph. Sig
2-
tailed
kurang dari 5, maka data tidak berdistribusi normal. Hasil dari pengujian yang dilakukan dengan uji K-S adalah
sebagai berikut:
Tabel 4. Uji Normalitas
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
47
Asymp. Sig. 2-tailed
0,062
c
Sumber: Lampiran 7, Halaman 65 Berdasarkan dari uji normalitas menggunakan uji
Kolmogorov- Smirnov,
hasil pengujian data berdistribusi normal nilai
Asymp. Sig.
2
- tailed
adalah 0,062 dan nilai
Asymp. Sig
2-
tailed
di atas α = 0,05. Hal ini menunjukkan bahwa data berdistribusi normal.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians residual dari satu pengamatan ke
pengamatan yang lain Ghozali, 2011. Jika varians residual dari satu pengamatan ke pengamatan lain tetap sama, maka disebut
homoskedastisitas, sedangkan sebaliknya disebut heteroskedastisitas. Heteroskedastisitas mengakibatkan nilai-nilai estimator koefisien
regresi dari model tersebut tidak efisien meskipun estimator tersebut tidak bias dan konsisten. Cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas yaitu dengan menggunakan uji
Glejser
. Uji
Glejser
adalah meregresi masing-masing variabel independen dengan
absolute
residual sebagai variabel dependen. Dasar pengambilan keputusannya