Tabel 4.10
One-Sample Kolmogorov-Smirnov Test
80 .0000000
1.89906796 .119
.074 -.119
1.066 .206
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Pada Tabel 4.10 dapat dilihat bahwa nilai signifikan Kolmogorv-Smirnov sebesar 0,206 dimana nilai signifikan tersebut 0,05. Jadi dapat disimpulkan bahwa
data residual berdistribusi normal.
b. Multikolinieritas
Uji ini bertujuan untuk menguji apakah didalam model regresi linier ditemukan adanya korelasi yang tinggi di antara variabel bebas. Menurut nugroho
2005: 58 untuk menguji apakah variabel terkena multikol atau tidak maka nilai nilai Variance Inflation Factor VIF tidak lebih besar dari 10 dan nilai Tolerance tidak
kurang dari 0,1.
Universitas Sumatera Utara
Tabel 4.11 Multikolinieritas
Coefficients
a
9.640 2.779
3.469 .001
.242 .235
.083 1.032
.306 .779
1.284 .171
.473 .029
.361 .719
.810 1.235
.819 .237
.365 3.456
.001 .454
2.201 .737
.173 .432
4.260 .000
.493 2.029
Constant X1
X2 X3
X4 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: Y a.
Pada Tabel 4.11 dapat dilihat nilai Tolerance 0,1 dan VIF 10 Nilai Tolerance X1 0,779 0,1dan nilai VIF 1,284 10 tidak terkena multikol
Nilai Tolerance X2 0,810 0,1dan nilai VIF 1,235 10 tidak terkena multikol Nilai Tolerance X3 0,454 0,1dan nilai VIF 2,201 10 tidak terkena multikol
Nilai Tolerance X4 0,493 0,1dan nilai VIF 2,029 10 tidak terkena multikol
c. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari satu residual pengamatan ke pengamatan lain.
1. Dengan Melihat Grafik Menurut Nugroho 2005:65 dasar analisis untuk pengambilan keputusan
adalah sbb : a Jika ada pola tertentu , seperti titik- titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.2
-4 -2
2 4
Regression Standardized Predicted Value
-4 -3
-2 -1
1 2
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
Dependent Variable: Y Scatterplot
Sumber : Pengolahan Data Gambar 4.2 Scatterplot
Pada Gambar 4.2 Scatterplot dapat dilihat bahwa titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, yang menandakan bahwa tidak terjadi
masalah heteroskedastisitas.
2. Uji Glejser Pada pengujian ini variabel terikatnya adalah ABSUT, dimana jika nilai signifikan
0,05 maka tidak terjadi masalah heteroskedastisitas.
Universitas Sumatera Utara
Tabel 4.12 Uji Glejser
Coefficients
a
.701 1.802
.389 .698
.017 .152
.014 .112
.911 -.263
.307 -.108
-.856 .395
.032 .154
.035 .205
.838 .114
.112 .164
1.013 .314
Constant X1
X2 X3
X4 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: absut a.
Tabel 4.12 menunjukkan bahwa nilai signifikan X1 0,911, X2 0,395, X3
0,838, X4 0,314 0,05 jadi tidak terjadi masalah heteroskedastisitas.
d. Uji Autokorelasi