Grafik di atas memperlihatkan bahwa titik titik data penelitian tersebar secara merata disepanjang garis diagonal sehingga membentuk
garis simetris kiri dan kanan. Hal ini mengindikasikan bahwa data penelitian berdistribusi secara normal.
4.2.2. Hasil Uji Multikolinieritas
Uji multikolinieritas yang dilakukan untuk mengetahui apakah data penelitian terbebas dari gejala multikolinieritas memperlihatkan hasil sebagai
berikut :
Tabel 4.3 Hasil Uji Multikolinieritas
Tabel 4.3 memperlihatkan bahwa nilai tolerance ketiga variabel bebas secara berturut turut adalah 0.988, 0.799, 0.744, dan 0.626,
keempatya lebih kecil dari 1 dan nilai VIF keempat variabel bebas secara berturut turut adalah 1.012, 1.251, 1.344, dan 1.597 dimana keempatnya lebih
kecil dari 10, sehingga memenuhi uji persyaratan multikolineritas. Dengan demikian dapat disimpulkan bahwa data penelitian tidak mengandung gejala
multikolinieritas. 4.2.3. Hasil Uji Autokolerasi
Coeffi cients
a
.988 1.012
.799 1.251
.744 1.344
.626 1.597
X1_PA D X2_DA U
X3_DA K X4_DB H
Model 1
Tolerance VIF
Collinearity Statistic s
Dependent Variable: Y_BD a.
Universitas Sumatera Utara
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-1 sebelumnya. Uji Autokorelasi pada penelitian ini dilakukan menggunakan uji Durbin Watson dengan kriteria ketentuan jika nilai DW berada
diantara 1.5 – 2.5, maka data penelitian bebas gejala autorelasi sebagaimana diperlihatkan pada tabel berikut :
Tabel 4.4 Hasil Uji Autokorelasi
Model Durbin-Watson
1 1.576a
a Predictors: Constant, X4 DBH X3_DAK, X2_DAU, X1_PAD, b Dependent Variable: Y_BD
Sumber : Hasil Penelitian, 2016 data diolah
Tabel 4.4 diatas memperlihatkan nilai DW adalah sebesar 1.576, berada dalam batas interval kelayakan uji autokorelasi antara 1.5 -2.5, sehingga dapat
disimpulkan bahwa data penelitian ini tidak mengandung gejala autokorelasi.
4.2.4. Hasil Uji Heteroskedasitas
Uji Heterokesdasitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
lain. Pengujian yang dilakukan dalam penelitian ini dengan melihat grafik scatterplot antara nilai prediksi terkait ZPRED dengan residualnya SRESID.
Deteksi ada tidaknya heteroskedasitas dapat dilakukan ddengan melihat ada tidaknya pola tertentu pada scatterplot anatar SRESID dan ZPRED dimana sumbu
Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi- Y
Universitas Sumatera Utara
sesungguhnya yag telah distudentized.
Tabel 4.5 Hasil Uji Heterokedastisitas
Sumber : Hasil Penelitian, 2016 data diolah Tabel 4.5 memperlihatkan bahwa nilai signifikansi variabel independen
secara bertutut turut adalah 0.351, 0.003, 0.343, dan 0.104, dimana tiga dari empat variabel bebas memiliki nilai signifikansi lebih besar dari 0.05 sehingga
dapat disimpulkan bahwa data penelitian bebas pada umumnya adalah bebas gejala heterokedastisitas. Hasil yang sama juga dikonfirmasikan dengan grafik
scatter plot berikut :
Gambar 4.5 Scatterplot Uji Heteroskedasitas
Coefficients
a
49270.703 132796.3
.371 .711
9646.244 4514.452
.200 2.137
.351 -13859.1
4597.397 -.314
-3.015 .003
-4863.308 5104.590
-.103 -.953
.343 7824.110
2996.873 .307
2.611 .104
Constant X1_PAD
X2_DAU X3_DAK
X4_DBH Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: ABS_RES_1 a.
Regression Standardized Predicted Value
3 2
1 -1
-2 -3
R eg
re ss
io n
S ta
n d
ar d
iz ed
R es
id u
al
4 2
-2 -4
Scatterplot Dependent Variable: Y_BD
Universitas Sumatera Utara
Gambar 4.5 diatas menunjukkan bahwa tidak ada pola yang jelas atas penyebaran titik-titik diatas dan dibawah angka 0 pada sumbu Y sehingga dapat
disimpulkan bahwa data penelitian ini tidak mengandung gejala hetero kedastisitas.
4.3. Hasil Uji Hipotesis
4.3.1. Hasil Uji Determinasi R