Apabila nilai signifikasinya lebih besar dari 0,05 maka Ho diterima, sedangkan bila nilai signifikasinya lebih kecil dari 0,05 maka Ho ditolak.
Tabel 4.2 Hasil uji normalitas K-S
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parameters
a
Mean .0000000
Std. Deviation 3.51807441
Most Extreme Differences Absolute
.131 Positive
.131 Negative
-.112 Kolmogorov-Smirnov Z
1.049 Asymp. Sig. 2-tailed
.221 a. Test distribution is Normal.
Sumber: hasil pengolahan SPSS
Berdasarkan pengujian pada tabel 4.4 besar nilai kolmogorov-smirnov adalah 1.466 dengan nilai signifikansi 0,221. Berdasarkan hipotesis Ho diterima
bila lebih besar dari 0,05. Nilai sinifikasi 0,221 0,05 maka dapat disimpulkan bahwa data terdistribusi secara normal dan memenuhi asumsi normalitas.
4.2.2.2 Uji Multikolineritas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen.Jika terjadi korelasi,
maka dikatakan terdapat masalah multikolinearitas. Uji ini dilihat dari nilai Tolerance dan VIF nya. Model regresi yang baik jika nilai Tolerance 0.1 dan
VIF 10.
Tabel 4.3 Hasil Uji Multikolinearitas
Sumber: hasil pengolahan SPSS
Tabel 4.3 menunjukkan hasil uji multikolinearitas. Dari tabel menunjukkan bahwa tidak satupun variabel independen yang memiliki nilai
tolerance yang kurang dari 0.10 dan VIF yang lebih dari 10. Maka dapat disimpulkan bahwa tidak satupun variabel memiliki persoalan
multikolinearitas antara variabel independennya.
4.2.2.3 Uji Heterokedastisitas
Dalam penelitian ini untuk mendeteksi ada tidaknya heteroskedastisitas adalah dengan melihat pola grafik yang dihasilkan dari pengolahan data dengan
menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
a. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan
dibawah angka nol 0 pada sumbu Y maka tidak terjadi heteroskedastisitas.
Model Collinearity Statistics
Tolerance VIF
1 Constant
Tenure .977
1.023 ReputasiKAP
.977 1.023
Gambar 4.3
Sumber: hasil pengolahan SPSS
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y,
sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Adanya titik-titik yang menyebar menjauh dari titik-titik
yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi lainnya.
4.2.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada
problem autokorelasi. Pada penelitian ini uji autokorelasi yang digunakan adalah uji Durbin-Watson DW test.
Tabel 4.4 Uji Autokorelasi
Dari tabel 4.9 di atas menunjukkan nilai D-W sebesar 1,655. Selanjutnya nilai ini akan dibandingkan dengan nilai tabel dengan tingkat signifikansi 0,05
5. jumlah sampel 64 n=64, dan variabel independen 2 k=2. Maka dari tabel Durbin Watson didapatkan nilai batas bawah dl adalah sebesar 1,5315 dan batas
atas du adalah sebesar 1,6601. Oleh karena nilai DW 1,665 lebih besar dari batas du 1,6601 maka dapat disimpulkan bahwa model regresi tidak terganggu oleh
adanya autokorelasi.
4.2.3 Analisis Regresi
