63
Berdasarkan gambar 4.1 menunjukkan bahwa gambar normalitas pada titi-titik menyebar
disekitar garis diagonal dan mengikuti
arah garis diagonal yang berarti bahwa model regresi berdistribusi normal.
4.1.3 Uji Asumsi Klasik
Pengujian asumsi klasik dalam penelitian ini meliputi uji multikolilieritas, uji autokorelasi, dan uji heteroskedastisitas.
4.1.3.1 Multikolinearitas
Dari hasil pengujian multikolinieritas dengan menggunakan SPSS dapat dilihat pada tabel berikut.
Tabel 4.1 Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
2.255E8 9.490E7
X1 .268
.081 .468
.865 1.156
X2 .196
.091 .304
.865 1.156
a. Dependent Variable: Y
Sumber: Data yang diolah dengan SPSS Berdasarkan hasil dari uji multikolinieritas di atas, variabel modal sendiri
diperoleh nilai VIF sebesar 1,156 dengan tolerance 0,865. Variabel modal pinjaman diperoleh nilai VIF sebesar 1,156 dengan tolerance 0,865. Dari hasil
pengujian tersebut diperoleh VIF untuk kedua variabel bebas di bawah 10 dan nilai tolerance di atas 0,1.
Dengan demikian dapat disimpulkan tidak ada multikolinieritas dalam regresi.
64
4.1.3.2 Autokorelasi
Model regresi yang baik adalah regresi yang bebas dari autokorelasi jika terjadi autokorelasi maka dinamakan ada masalah auto Ghozali, 2006:99. Cara
yang dapat digunakan untuk mendiagnosis auto adalah uji DW dapat dilihat pada tabel berikut.
Tabel 4.2 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.645
a
.416 .381
3.00203E8 1.947
a. Predictors: Constant, X2, X1 b. Dependent Variable: Y
Sumber: Data yang diolah dengan SPSS Dari tabel 4.2 menunjukkan nilai Durbin Watson sebesar 1,947. Menurut
Ghozali 2006:99 jika DW terletak antara batas atas du dan 4-du maka tidak terjadi auto. Besarnya dl dalam penelitian ini adalah 1,364 dan du adalah 1,590
sehingga DW terletak antara du 1,590 dan 4 - 1,590 = 2,410, maka dapat disimpulkan bahwa menerima Ho atau tidak ada korelasi antara kesalahan
pengganggu dalam model regresi.
4.1.3.3 Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain. Heteroskedastisitas dapat dilakukan melalui pengamatan terhadap pola scater plot yang dihasilkan melalui program SPSS. Apabila pola
scater plot membentuk pola tertentu, maka model regresi memiliki gejala
heteroskedastisitas.
65
Jika tidak ada pola yang jelas dan titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y maka dapat disimpulkan bebas heteroskedastisitas
sehingga model regresi dapat dipakai. Hasil dari uji heteroskedastisitas dengan menggunakan program SPSS adalah sebagai berikut :
Gambar 4.2
Berdasarkan
gambar scatterplot di atas diketahui bahwa titik-titik pada gambar memiliki kecenderungan menyebar di atas dan dibawah angka 0 pada
sumbu Y dan tidak membentuk pola jelas. Berdasarkan gambar scatterplot di atas, maka dapat disimpulkan bahwa tidak terjadi heteroskesdatisitas dalam penelitian
ini.
4.1.4 Analisis Regresi Berganda