Hasil pengujian normalitas data dengan uji kolmogorov-Smirnov dapat dilihat pada tabel 4.3 berikut ini:
Tabel 4.3 Nilai
Kolmogorov_Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
95 Normal Parameters
a,,b
Mean .0000000
Std. Deviation .11977637
Most Extreme Differences Absolute .084
Positive .077
Negative -.084
Kolmogorov-Smirnov Z .821
Asymp. Sig. 2-tailed .510
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Output SPSS
4.3.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antarvariabel bebas atau tidak Ghozali, 2006:
91-92. Cara yang digunakan untuk mendeteksi ada tidaknya multikolinearitas yaitu berdasarkan pada nilai tolerance dan Variance Inflation Factor VIF.
Nilai tolerance tidak berbahaya terhadap gejala multikolinearitas apabila lebih besar dari 0,10. Sedangkan nilai VIF yang baik ialah kurang dari 10.
Berdasarkan tabel 4.4 diatas, diketahui bahwa semua variabel memiliki nilai tolerance lebih dari 0,10 dan nilai VIF kurang dari 10. Sehingga model
penelitian ini bebas dari multikolinearitas.
Tabel 4.4 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 Constant
KINST .255
3.926 KMJ
.248 4.039
KIN .984
1.016 KOA
.928 1.077
LVR .916
1.091 KA
.955 1.047
EDIFF .912
1.096 Sumber: Hasil Ouput SPSS
4.3.3 Uji Autokolerasi
Menurut Ghozali, 2006:95 “Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu
pada periode t dengan kesalahan pengganggu pada periode t-1”. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Autokorelasi dapat
dideteksi dengan melakukan uji Durbin-Watson DW test. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan
nilai uji Durbin Watson dengan ketentuan sebagai berikut:
Tabel 4.5 Tabel Keputusan Autokolerasi Durbin-Watson
Hipotesis Nol Keputusan
Jika • Tidak ada autokolorasi positif
• Tidak ada autokolorasi positif • Tidak ada korelasi negatif
• Tidak ada korelasi negatif • Tidak ada autokorelasi positif
atau negatif • Tolak
• No decision • Tolak
• No decsion • Tidak ditolak
• 0 d dl • dl ≤ d ≤ du
• 4 – dl d 4 • 4 – du ≤ d ≤ 4 – dl
• du d 4 – du Sumber: Ghozali, 2006:96
Adanya kriteria yang ditentukan pada tabel 4.5, maka dapat ditentukan ada tidaknya autokolerasi. Hasil ouput SPSS uji autokolerasi dapat dilihat pada tabel
4.6 berikut ini:
Tabel 4.6 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.510
a
.260 .201
.124502 2.082
a. Predictors: Constant, EDIFF, KA, KIN, KINST, KOA, LVR, KMJ b. Dependent Variable: DA
Sumber: Hasil Output SPSS Berdasarkan tabel 4.6 diatas, menujukkan bahwa nilai Durbin – Watson
dalam penelitian ini sebesar 2,082. Bila dibandingkan dengan Durbin – Watson tabel dengan n=95 dan k=8 diperoleh nilai dl sebesar 1,4886 dan nilai du sebesar
1,8516. Berdasarkan kriteria yang terdapat pada tabel pengambilan keputusan Durbin-Watson, maka dapat disimpulkan tidak terdapat masalah autokorelasi
positif atau negatif tidak ada autokorelasi.
4.3.4 Uji Heteroskedastitas
