Uji homogenitas dapat dilakukan apabila kelompok data tersebut dalam distribusi normal. Uji homogenitas dapat dilihat dari output nilai kurtosis. Jika nilai kurtosis
mendekati angka nol, maka data dikatakan homogen. Berikut adalah hasil uji homogenitas yang disajikan pada tabel 4.25.
Tabel 4.25 Hasil Uji Homogenitas
Statistics
Keberhasilan_usaha N
Valid 180
Missing Mean
18.80 Std. Deviation
1.693 Variance
2.865 Kurtosis
.365 Std. Error of Kurtosis
.360 Percentiles
25 18.00
50 19.00
75 20.00
Berdasarkan output Tabel 4.25 nilai kurtosis menunjukkan angka 0,360 yang berarti nilai kurtosis mendekati angka 0, maka data dikatakan homogen.
4.1.4.3 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
terbebas dari multikolinieritas memiliki nilai
VIF
dibawah 10 dan nilai
tolerance
diatas 0,1. Untuk mendeteksi ada tidaknya multikolinieritas didalam model regresi dapat dilihat pada tabel 4.26.
Tabel 4.26 Hasil Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Partisipasi_Anggota
.881 1.135
Lingkungan_usaha .961
1.040 Kualitas_pelayanan
.821 1.218
Kinerja_Karyawan .853
1.173 a. Dependent Variable: Keberhasilan_usaha
Sumber: Data Penelitan Diolah Tahun 2015 Berdasarkan Tabel 4.26 diperoleh nilai tolerance variabel partisipasi
anggota sebesar 0,881, variabel lingkungan usaha sebesar 0,961, variabel kualitas pelayanan sebesar 0,821 dan variabel kinerja karyawan sebesar 0,853. Sedangkan
nilai VIF variabel partisipasi anggota sebesar 1,135, variabel lingkungan usaha sebesar 1,040, variabel kualitas pelayanan sebesar 1,218 dan variabel kinerja
karyawan sebesar 1,173. Karena nilai
tolerance
lebih dari 0,1 dan nilai
VIF
lebih kecil dari 10 maka model regresi tidak ada multikolinieritas atau tidak ada
korelasi antar variabel independen.
4.1.4.4 Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya korelasi yang terjadi antara residual pada suatu pengamatan lain pada model regresi.
Persyaratan yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi. Metode yang sering digunakan adalah dengan uji Durbin-Watson uji
DW dengan ketentuan sebagai berikut. Jika DW lebih kecil dari d
L
atau lebih besar dari 4 - d
L
, maka hipotesis nol ditolak, yang berarti terdapat autokorelasi.
4. Jika DW terletak antara d
u
dan 4 - d
u
, maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
5. Jika DW terletak antara d
L
dan d
u
atau diantara 4 - d
u
dan 4 - d
L
, maka tidak menghasilkan kesimpulan yang pasti.
Dengan hipotesis: H
: Tidak ada Autokorelasi H
1
: Ada Autokorelasi Nilai d
L
dan d
u
dapat diperoleh dari tabel statistik Durbin Watson yang tergantung banyaknya observasi n dan banyaknya variabel yang menjelaskan
k. Untuk mendeteksi ada tidaknya autokorelasi didalam model regresi dapat dilihat pada tabel 4.26.
Tabel 4.27 Hasil Uji Autokorelasi
Model Summary
b
Model Durbin-Watson
1 1.859
a
a. Predictors: Constant, Kinerja_Karyawan, Lingkungan_usaha,
Partisipasi_Anggota, Kualitas_pelayanan b. Dependent Variable:
Keberhasilan_usaha
Dari hasil otput diatas didapat nilai DW yang dihasilkan dari model regresi adalah 1,859. Sedangkan dari tabel statistik Durbin-Watson dengan signifikansi
0,05 dan jumlah data n = 180, serta k = 4 k adalah jumlah variabel independen diperoleh nilai d
L
sebesar 1,711 dan d
U
sebesar 1,802 lihat lampiran. Karena nilai DW 1,859 terletak antara d
u
dan 4 - d
u
, maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
4.1.4.5 Uji Heteroskedastisitas
