i
Selain grafik histogram kita juga dapat melihat apakah data berdistribusi tidak normal melalui normal probability plot pada gambar 4.2 di atas. Dimana
data berdistribusi tidak normal karena titik-titik tidak menyebar di sekitar garis diagonal dan penyebaran nya tidak mengikuti garis diagonal.
Tabel 4.2 Uji Normalitas Statistik
Normalitas Statistik
Sumber: output SPSS, lampiran 5 hal
4.2.2.2 Uji Multikolinearitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N
96
Normal Parameters
a,b
Mean
25.6494267
Std. Deviation
.44952421
Most Extreme Differences Absolute
.080
Positive
.080
Negative
-.047
Kolmogorov-Smirnov Z
.780
Asymp. Sig. 2-tailed
.578
a. Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
i
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen.
Metode regresi bebas dari masalah multikolinearitas jika memiliki VIF kurang dari 10 dan angka
tolerance
lebih dari 0,1.
Tabel 4.3 Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
4.355 2.891
1.506 .135
PAD_Ln .275
.061 .486
4.531 .000
.355 2.820
DAU_Ln -.113
.205 -.081
-.551 .583
.190 5.271
DAK_Ln .624
.137 .436
4.553 .000
.445 2.250
DBH_Ln .098
.083 .110
1.180 .241
.474 2.108
Dari tabel diatas hasil
tolerance
menunjukkan bahwa variabel independen memiliki nilai
tolerance
0,10 yaitu sebesar 0,410 ; 0,115 ; 0,326 ; 0,238 sedangkan hasil perhitungan VIF menunjukkan bahwa
variabel independen nilai VIF 10 yaitu sebesar : 2,439 ; 8,678 ; 3,072 ; 4,207. Berdasarkan tabel diatas dapat disimpulkan bahwa tidak terjadi
multikolinearitas antar variabel dalam model ini.
4.2.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
Universitas Sumatera Utara
i
pengamatan yang lain. Metode yang digunakan dalam uji ini metode chart diagram scatterplot antara SRESID dan ZPRED. Uji ini dilakukan dengan
syarat jika signifikan lebih kecil dari 0,05 maka H0 ditolak ada heteroskedastisitas dan jika signifikan lebih besar dari 0,05 maka H0
diterima tidak ada heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas Scatter Plot
Dari gambar 4.3 diatas, dapat dilihat bahwa data tersebar secara acak dan tidak membentuk suatu pola tertentu, hal ini menunjukkan tidak
terjadi heteroskedastisitas. Dengan demikian dapat dikatakan bahwa terjadinya perbedaan varians dari residual suatu pengamatan ke
pengamatan lainnya.
Universitas Sumatera Utara
i
4.2.2.4 Uji Autokolerasi
