Gambar 4.1 Uji Normalitas Data
Berdasarkan gambar grafik di atas, dapat dilihat hasil Normal P-P Plot menunjukkan bahwa penyebaran titik-titik berada di sekitar garis diagonal dan
mengikuti arah garis diagonal.Itu artinya, data yang digunakan baik karena data yang baik adalah data yang berdistribusi normal.Sehingga dapat disimpulkan
bahwa nilai residual tersebut berdistribusi normal.
b. Uji Multikolinieritas
Adanya gejala multikolinieritas dapat dilihat dari nilai Tolerance dan nilai Variance Inflation Factor VIF. Batas nilai tolerance adalah 0,1 dan batas nilai
VIF adalah 10. Apabila nilai tolerance 0,1 dan nilai VIF 10 maka terjadi multikolinieritas. Apabila nilai tolerance 0,1 dan nilai VIF 10 maka tidak
terjadi multikolinieritas.
Tabel 4.9 Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Motif Rasional
.889 1.124
Motif Emosional .889
1.124 a. Dependent Variable: Pengambilan Keputusan
Pada tabel di atas dapat dilihat bahwa nilai tolerance dari kedua variabel motif rasional dan motif emosional adalah 0,889 0,1 dan nilai VIF kedua
variabel tersebut 1,124 10. Berdasarkan hasil nilai tolerance dan VIF tersebut, dapat disimpulkan bahwa model regresi ini tidak terjadi multikolinieritas, karena
hasil dari nilai tolerance yang dihasilkan masing-masing variabel lebih dari 0,1 dan nilai VIF yang dihasilkan masing-masing variabel kurang dari 10.
c. Uji Heteroskedastisitas
Gambar 4.2 Uji Heteroskedastisitas
Dari gambar scatterplot di atas, terlihat bahwa titik-titik data menyebar secara acak serta tersebar baik di atas maupun di bawah angkan 0 pada sumbu Y
dan tidak membentuk suatu pola yang jelas.Maka dapat disimpulkan tidak terjadi heteroskedastisitas pada model regresi ini.
d. Uji Autokorelasi
Tabel 4.10 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square Std. Error of the
Estimate Durbin-Watson
1 .521
a
.271 .260
3.473 1.985
a. Predictors: Constant, Motif Emosional, Motif Rasional b. Dependent Variable: Pengambilan Keputusan
Dari tabel di atas diketahui nilai durbin watson hitung sebesar 1,985. Nilai ini akan dibandingkan dengan nilai durbin watson tabel. Dengan
menggunakan tingkat signifikansi 0,05, n = 133 dan k = 3, maka diperoleh d
L
batas bawah durbin watson sebesar 1,61 dan d
U
batas atas durbin watson sebesar 1,74. Model regresi dikatakan tidak terdapat masalah autokorelasi apabila
d
U
dw 4-d
U
. Berdasarkan nilai tersebut diperoleh d
U
1,74 dw 1,985 4- d
U
2,26. Maka, dapat disimpulkan pada model regresi ini tidak terdapat masalah autokorelasi.