Kuantitatif Analisis Deskripsi Hasil Penelitian

76 Gambar 4.1 Normal Probability Plot Sumber Data Primer yang diolah, 2015 Berdasarkan grafik normal P-P Plot penyebaran data mengikuti garis normal garis lurus dan mendekati garis fit line. Dengan demikian, residual data berdistribusi normal dan model regresi telah memenuhi asumsi normalitas. 2 Uji Multikolinearitas Uji Multikolieritas bertujuan untuk menguji apakah dalam suatu model regresi ditemukan adanya korelasi antar variabel independen atau tidak. Tabel 4.12 Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 10.948 4.195 2.610 .010 Marketing Mix .465 .062 .608 7.554 .000 .955 1.047 Kemampuan Finansial .247 .236 .084 1.049 .297 .955 1.047 a. Dependent Variable: Minat Investasi Sumber: Data Primer yang diolah, 2015 77 Dari hasil pengujian multikolinieritas yang dilakukan, diketahui bahwa nilai variance inflation factor VIF senilai 1.047, yaitu lebih kecil dari 10. Jika dilihat dari nilai tolerance nya, nilainya sebesar 0,955 0,10. Oleh karena itu, dari nilai VIF dan nilai tolerance tersebut dapat dikatakan bahwa tidak terdapat masalah multikolinearitas di dalam model regresi ini. 3 Uji Heteroskedastisitas Uji Heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians. Adapun hasil uji Heterokedasitas yang diperoleh dalam penelitian ini adalah sebagai berikut: Gambar 4.2 Scatterplot Sumber: Data Primer yang diolah, 2015 Pada uji heteroskedastisitas melalui uji scatter plot terlihat bahwa titik-titik tidak membentuk pola yang jelas, dan titik-titik 78 menyebar di atas dan di bawah angka 0 pada sumbu Y. Jadi dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas dalam model regresi. 4 Uji Autokorelasi Pengujian ini dilakukan untuk menguji suatu model apakah antara pengganggu masing-masing bebas saling berhubungan. Adapun hasil pengujian autokorelasi adalah sebagai berikut: Tabel 4.13 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change 1 .632 a .399 .387 5.454 .399 32.187 2 97 .000 1.779 a. Predictors: Constant, Kemampuan Finansial, Marketing Mix b. Dependent Variable: Minat Investasi Sumber: Data Primer yang diolah, 2015 Pada tabel tersebut nilai Durbin Watson DW sebesar 1.779 dengan jumlah data 100 n=100, dan jumlah variabel k sebanyak 3. Berdasarkan data-data itu didapatkan nilai dw yaitu sebesar 1,779. du sebesar 1,72 dan dl 1,61. Dilihat dari tabel klasifikasi nilai DW maka nilai DW berada diantara du dan 4-du 4-du DW du,dapat disimpulkan bahwa pada model regresi ini tidak terjadi autokolerasi.