54 karakteristik unik yang terlihat sangat berbeda jauh dari observasi-
obsevasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi”, menurut Ghozali
2011:36. Setelah data outlier dihilangkan, maka data yang semula 40 menjadi 35. Hasil pengujian normalitas yang kedua diperlihatkan
dalam Tabel 4.3 sebagai berikut.
Tabel 4.3 Uji Normalitas 2
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 35
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .17824162
Most Extreme Differences Absolute
.210 Positive
.194 Negative
-.210 Kolmogorov-Smirnov Z
1.239 Asymp. Sig. 2-tailed
.093 a. Test distribution is Normal.
b. Calculated from data.
Sumber: hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.3, diketahui nilai probabilitas
p atau Asymp. Sig. 2-tailed sebesar 0,093. Karena nilai probabilitas
p, yakni 0,093, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas terpenuhi.
4.2.2 Uji Multikolinearitas
“Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor VIF. Nilai VIF yang
lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas”,
Universitas Sumatera Utara
55
menurut Ghozali, 2011. Tabel 4.4
Uji Asumsi Multikolinearitas
Model Collinearity
Statistics Tolerance
VIF 1
Constant CAPT
1.000 1.000
DTE 1.000
1.000
Sumber: hasil olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.4, nilai VIF dari variabel CAPT adalah 1,000, dan nilai VIF dari variabel DTE adalah
1,000. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat.
4.2.3 Uji Autokorelasi
“Asumsi mengenai independensi terhadap residual non- autokorelasi dapat diuji dengan menggunakan uji Durbin-Watson.
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi”, menurut Gio 2015.
Tabel 4.5 Uji Autokorelasi
Model Durbin-Watson
1 2.013
Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.5, nilai dari statistik Durbin-Watson adalah 2,013. Perhatikan bahwa karena nilai statistik Durbin-Watson
terletak di antara 1 dan 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi autokorelasi.
Universitas Sumatera Utara
56
4.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas dapat dilakukan dengan uji grafik plot dan uji statistik. Uji statistik Glejser dipilih karena lebih dapat
menjamin keakuratan hasil dibandingkan dengan uji grafik plot yang dapat menimbulkan bias. Uji Glejser dilakukan dengan meregresikan
variabel bebas terhadap nilai absolute residual-nya terhadap variabel dependen.
Kriteria yang digunakan untuk menyatakan apakah terjadi heteroskedastisitas atau tidak di antara data pengamatan dapat
dijelaskan dengan menggunakan koefisien signifikansi. Koefisien signifikansi harus dibandingkan dengan tingkat signifikansi yang
ditetapkan sebelumnya 5. Apabila koefisien signifikansi lebih besar dari tingkat signifikansi yang ditetapkan, maka dapat
disimpulkan tidak terjadi heteroskedastisitas homoskedastisitas. Jika koefisien signifikansi lebih kecil dari tingkat signifikansi yang
ditetapkan, maka dapat disimpulkan terjadi heteroskedastisitas.
Tabel 4.6 Uji Heteroskedastisitas dengan Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.110 .025
4.453 .000
CAPT .008
.025 .049
.296 .769
DTE -1.766
.874 -.336
-2.021 .052
a. Dependent Variable: absolut_res_uji_glejser_heteroskedastisitas
Sumber: hasil olahan software SPSS
Berdasarkan Tabel 4.6, diketahui nilai probabilitas atau Sig.
Universitas Sumatera Utara
57 dari CAPT adalah 0,769, dan nilai probabilitas atau Sig. dari DTE
adalah 0,052. Karena masing-masing nilai probabilitas 0,05, maka disimpulkan tidak terjadi gejala heteroskedastistas.
4.3 Pengujian Hipotesis 4.3.1 Uji Simultan Uji F
