commit to user
55
Jika X
1,
X
2,
X
3
, dan X
4
nilainya = 0 maka nilai Y = 5817817 Koefisien regresi sebesar 0,20354 menyatakan bahwa setiap
penambahan satu skor atau nilai Modal Usaha X
1
dapat meningkatkan nilai atau skor keberhasilan usaha jasa kecantikan sebesar 0,20354 rupiah.
Koefisien regresi sebesar 232158,9 menyatakan bahwa setiap penambahan satu skor atau nilai Tingkat Pendidikan X
2
dapat meningkatkan nilai atau skor keberhasilan usaha jasa kecantikan sebesar
232158,9 rupiah. Koefisien regresi sebesar 172538,7 menyatakan bahwa setiap
penambahan satu skor atau nilai Lama Usaha X
3
dapat meningkatkan nilai atau skor keberhasilan usaha jasa kecantikan sebesar 172538,7
rupiah. Koefisien regresi sebesar 2866982 menyatakan bahwa setiap
penambahan satu skor atau nilai Lokasi Usaha X
4
dapat meningkatkan nilai atau skor keberhasilan usaha Jasa Kecantikan sebesar 2866982
rupiah.
2. Uji Asumsi Klasik
a. Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Jika
terjadi korelasi, maka dinamakan terdapat masalah multikolinearitas. Untuk mendeteksi ada tidaknya multikolineritas dapat dilihat pada
nilai r
2
regresi parsial dan R
2
regresi utama. Apabila nilai r
2
R
2
, maka tidak terjadi multikolinearitas.
commit to user
56
Tabel IV.27 Hasil Uji Multikolinearitas Variabel r
2
R
2
Kesimpulan
Modal Usaha 0,195
0,449 Tidak terjadi multikolinearitas Tingkat Pendidikan
0,129 0,449 Tidak terjadi multikolinearitas
Lama Usaha 0,112
0,449 Tidak terjadi multikolinearitas Lokasi Usaha
0,121 0,449 Tidak terjadi multikolinearitas
Sumber: Data primer diolah, 2010. Tabel IV.27 di atas menunjukkan bahwa semua variabel bebas
yaitu modal usaha, tingkat pendidikan, lama usaha dan lokasi usaha mempunyai nilai R-squared di bawah R-squared regresi utama
0,449, sehingga dapat disimpulkan bahwa model regresi pada penelitian ini tidak terjadi multikolinearitas.
b. Heteroskedastik
Salah satu asumsi pokok dalam regresi linear adalah bahwa variansi residual dari suatu pengamatan ke pengamatan lain adalah
tidak sama. Apabila variansi tersebut tidak sama, maka berarti telah terjadi masalah heteroskedastisitas. Uji heteroskedastisitas untuk
mengetahui adanya heteroskedastisitas dengan menggunakan Uji White
, dengan bantuan program Eviews 6.0 perintah yang dapat dilakukan adalah dengan meregresi variabel bebas dan variabel terikat,
kemudian dari hasil dari hasil regresi OLS akan diperoleh nilai ObsR- squared.
Nilai ObsR-squared tadi lalu dibandingkan dengan nilai chi- squared
tabel dengan df sesuai jumlah regresor dan level of significant yang dipakai.
Berikut ini adalah ringkasan hasil uji heteroskedastisitas pada penelitian ini.
commit to user
57
Tabel IV.28 Hasil Uji Heteroskedastisitas
Heteroskedasticity Test: White F-statistic
1.600063 Prob. F13,60 0.1105
ObsR-squared 19.05006 Prob. Chi-Square13
0.1216 Scaled explained SS
21.84289 Prob. Chi-Square13 0.0578
Sumber: Data primer diolah, 2010. Dengan df = 13 jumlah regresor dan
α = 5 didapatkan X
2
tabel yaitu 22,362. Nilai OBSR-squares = 19,05006 22,362
Jadi dapat disimpulkan bahwa tidak terdapat masalah heteroskedastiksitas
c. Autokorelasi
