Hasil Uji Heteroskedastisitas Uji Autokorelasi

d. Uji Statistik Setelah Transformasi Data Tabel 4.3

Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Predicted Value N 96 Normal Parametersa,b Mean 3.8138003 Std. Deviation .03263614 Most Extreme Differences Absolute .068 Positive .068 Negative -.058 Kolmogorov-Smirnov Z .671 Asymp. Sig. 2-tailed .759 Sumber: Hasil Pengolahan Data dengan SPSS Hasil uji Kolmogorov-Smirnov pada penelitian ini menunjukkan probabilitas = 0.759. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan uji hipotesis karena 0.759 0,5.

2. Hasil Uji Heteroskedastisitas

Uji Heteroskesdastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode yang lain. Ghozali 2005:105 Uji Heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedasitas. Cara mendeteksi ada tidaknya gejala heterokedasitas adalah dengan melihat grafik scatterplott yang dihasilkan dari pengolahan data Universitas Sumatera Utara menggunakan program SPSS 19. Dasar pengambilan keputusannya menurut Ghozali 2005:105 adalah sebagai berikut: a Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedasitas. b Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka o dan y, maka tidak heterokedasitas. Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila ada titik – titik yang menyebar di atas dan dibawah angka 0 pada sumbu Y serta tidak membentuk pola maka tidak terjadi heteroskedastisitas. Gambar 4.5 Uji Heterokedastisitas scatterplot Sumber: Hasil Pengolahan Data dengan SPSS Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik Universitas Sumatera Utara diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen.

3. Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. Mengacu kepada pendapat Sunyoto 2009:91, Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: 1 angka D-W dibawah -2 berarti ada autokorelasi positif,, 2 angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, 3 angka D-W di atas +2 berarti ada autokorelasi negatif. Tabel 4.4 Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .303 .092 .041 .1054739 2.074 Sumber: Hasil Pengolahan Data dengan SPSS Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 2,074 Angka ini terletak di atas +2, dari pengamatan ini dapat disimpulkan bahwa terjadi autokorelasi negatif dalam penelitian ini. Universitas Sumatera Utara

4. Uji Multikolinieritas