55
Pada grafik P-P Plot setelah transformasi data, terlihat titik-titik menyebar mendekati arah garis diagonal. Hal ini menunjukkan bahwa
data berdistribusi normal.
Dari tabel uji K-S di atas, dapat dilihat bahwa Asymp.Sig 2- Tailed 0.05, yaitu sebesar 0.952, sehingga dapat disimpulkan bahwa
data penelitian berdistribusi normal. Hal ini sejalan dengan hasil pengujian grafik yang menggambarkan bahwa data berdistribusi normal.
4.2.1.2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat apakah dalam suatu model regresi, terdapat korelasi antara variabel bebas independen.
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 51
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .31075285
Most Extreme Differences
Absolute .072
Positive .058
Negative -.072
Kolmogorov-Smirnov Z .517
Asymp. Sig. 2-tailed .952
a. Test distribution is Normal. b. Calculated from data.
Tabel 4.2 Hasil Uji Normalitas K-S
56
Gejala multikolinearitas dapat dilihat dari nilai tolerance dan nilai Variance Inflation Factor VIF. Jika nilai tolerance 0,1 dan nilai VIF
10 maka terdapat gejala multikolinearitas. Jika nilai tolerance 0,1 dan nilai VIF 10 maka tidak terjadi multikolinearitas. Hasil pengujian
terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.3
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-2.945 1.200
-2.454 .018
LOG_LBA 1.324
.269 1.063 4.923
.000 .191 5.245
LOG_AKO -.495
.232 -.463 -2.133
.038 .188 5.308
LOG_CR .017
.183 .010
.091 .928
.740 1.351 LOG_PER
.993 .368
.307 2.701 .010
.688 1.453 LOG_PBV
.388 .195
.215 1.994 .052
.767 1.304 a. Dependent Variable: LOG_HS
Berdasarkan data olahan SPSS diatas, dapat diketahui bahwa data penelitian ini tidak terjadi multikolinearitas. Hal tersebut dapat diketahui
karena tidak ada satupun variabel independen yang memiliki VIF di atas 10 dan nilai tolerance untuk semua variabel independen 0,1.
Kesimpulan dari uji multikolinearitas ini bahwa tidak ada korelasi diantara variabel-variabel independen sehingga telah lolos dari uji
multikolinearitas.
Tabel 4.3 Hasil Uji Multikolinearitas
57
4.2.1.3. Uji Heterokedastisitas
Tujuan pengujian heterokedastisitas adalah untuk melihat apakah dalam suatu model regresi terdapat korelasi antar kesalahan pengganggu
antara satu pengamatan ke pengamatan yang lain. Model regresi yang baik seharusnya tidak terjadi heterokedastisitas. Cara untuk menentukan
ada atau tidaknya heterokedastisitas adalah dengan melihat grafik scatterplot pada gambar 4.5.
Pada gambar 4.5 pada grafik scatterplot diatas terlihat bahwa titik- titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang
jelas. Selain itu, titik-titik tersebut tersebar baik di atas maupun di bahwa angka 0 pada sumbu Y. Hal ini menujukkan bahwa tidak terjadi
Gambar 4.5 Grafik Scatterplot
58
heterokedastisitas di dalam penelitian ini, dan model regresi ini layak dipakai dalam penelitian.
4.2.1.4. Uji Autokorelasi