Uji Asumsi Klasik 1. Multikolinieritas

4.4. Uji Asumsi Klasik 4.4.1. Multikolinieritas Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antara variabel bebas independent. Menguji adanya multikolinieritas dapat dilihat dari nilai VIF Variance Inflation Factor . Jika nilai VIF lebih kecil dari 10, maka variabel tersebut tidak memiliki persoalan dengan multikolinieritas. Hasil perhitungan nilai VIF Variance Inflation Factor dan matrik korelasi dari variabel independen dapat dilihat pada tabel berikut ini. Tabel 4.6 Nilai Variance Inflation Variabel Bebas Variabel VIF | Ketentuan Kesimpulan Dosen X 1 1,025 10 Non Multikolinear MahasiswaX 2 1,025 10 Non Multikolinear Sumber : Lampiran 6 diolah Hasil perhitungan multikolinieritas dengan melihat nilai VIF, dapat diketahui bahwa untuk semua variabel mempunyai nilai VIF di bawah angka 10, sehingga hasil uji multikoliniertitas menunjukan tidak adanya multikolinieritas antar variabel bebas, karena nilai VIF dibawah angka 10. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.4.2. Heterokedastisitas

Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel bebas X. Hal ini bisa diidentifikasikan dengan menghitung korelasi rank spearman antara residual dengan seluruh variabel bebas. Pembuktian adanya heterokedastisitas dilihat pada tabel dibawah : Tabel 4.7 Tes Heterokedastisitas dengan Korelasi Rank Spearman Korelasi Variabel Taraf α signifikansi dari korelasi Rank Spearman | Taraf Uji Dosen X 1 0,350 0,05 Mahasiswa X 2 0,698 0,05 Sumber : Lampiran 6, diolah Dari tabel 4.9 diketahui nilai signifikansi menunjukan angka diatas 5 yang berarti tidak terjadi heterokedastisitas pada data-data yang digunakan untuk mengetimasi model. Dengan demikian asumsi tidak terjadi heterokedastisitas terpenuhi.

4.4.3. Autokorelasi

Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series atau data yang diambil pada waktu tertentu data cross-sectional” Gujarati, 1991:201. Untuk mengetahui ada tidaknya autokorelasi dapat dilihat pada tabel Durbin Watson. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Kaidah keputusan dapat dijelaskan sebagai berikut : 1. Jika d lebih kecil daripada d L atau lebih besar daripada 4-d L , maka hipotesis nol ditolak yang berarti terdapat autokorelasi. 2. Jika d terletak antara d U dan 4-d U , maka hipotesis nol diterima yang berarti tidak ada autokorelasi. 3. Jika nilai d terletak antara d L dan d U atau antara 4-d L dan 4-d U maka uji Durbin-Watson tidak menghasilkan kesimpulan yang pasti, untuk nilai-nilai ini tidak dapat disimpulkan ada tidaknya autokorelasi di antara faktor-faktor penganggu. Untuk mengetahui ada tidaknya gejala autokorelasi dalam model penelitian maka perlu dilihat nilai DW tabel. Diketahui jumlah variabel bebas adalah 2 k=2 dan banyaknya data adalah n=89 sehingga diperoleh nilai DW tabel adalah sebesar d L = 1,612 dan d U = 1,703 Gambar 16. Kurva Statistik Durbin Watson Daerah Daerah Daerah Daerah Kritis Ketidak- Terima Ho Ketidak- Kritis pastian pastian Tolak Tidak ada Tolak Ho autokorelasi Ho 0 d L = 1,612 d U = 1,703 4-d U = 2,297 4-d L = 2,388 d 1,868 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Sumber : Lampiran 2 Berdasarkan hasil analisis, maka dalam model regresi ini tidak terjadi gejala autokorelasi karena nilai DW tes yang diperoleh adalah sebesar 1,868 berada pada daerah ke tidak ada autokorelasi.

4.4.4. Uji Normalitas

Uji normalitas dilakukan untuk menguji dan mengetahui apakah hasil analisis dari data yang diperoleh dari hasil pengumpulan data akan mengikuti distribusi normal atau tidak. Uji normalitas sebaran menggunakan uji normalitas Kolmogorov Smirnov Test. Berdasarkan hasil perhitungan uji kolmogorov smirnov terhadap residual regresi dengan menggunakan program SPSS diperoleh hasil sebagai berikut : Tabel 4.8 Hasil Uji Normalitas Model One-Sample Kolmogorov-Smirnov Test 89 25.04 3.007 .114 .114 -.102 1.076 .197 N Mean Std. Deviation Normal Parameters a,b Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed y=kualitas pendidikan Test distribution is Normal. a. Calculated from data. b. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Berdasarkan nilai uji Kolmogorov – Smirnov di dapatkan nilai Z = 2,847 dengan signifikansi 0,078 diatas 5 yang artinya bahwa data-data yang tersebar dalam penelitian ini adalah berdistribusi normal. 33 30 27 24 21 18 Observed Value 33 30 27 24 21 18 Ex pe cted Norma l Value Normal Q-Q Plot of y=kualitas pendidikan Grafik 4.1. diatas menunjukan bahwa titik-titik data terkumpul di sekitar garis lurus. Ini berarti data-data yang diuji dalam penelitian ini berdistribusi normal, sehingga asumsi normalitas terpenuhi.

4.5. Hasil Pengujian Hipotesis