4.2.1.2. Uji Multikolinearitas
Pengujian terhadap asumsi klasik multikolinearitas bertujuan untuk mengetahui apakah ada atau tidaknya korelasi antara variabel
independen dalam model regresi. Cara umum yang digunakan untuk mendeteksi ada tidaknya problem multikolinearitas adalah dengan
melihat nilai Tolerance dan VIF Variance Inflation Factor. Berikut ini hasil uji multikolinearitas.
Tabel 4.3. Tolerance dan VIF Variance Inflation Factor
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
3.296 2.517
X1 -.957
.363 -.367
.314 3.187
X2 .255
.134 .234
.397 2.520
X4 .038
.317 .018
.265 3.771
X5 .233
.360 .058
.756 1.323
X6 -.010
.184 -.005
.815 1.228
X7 -.021
.232 -.009
.572 1.749
X8 -.362
.307 -.121
.576 1.736
a. Dependent Variable: Y Sumber : Data Diolah
Dari hasil uji multikolinearitas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan
tidak ada yang memiliki tolerance value lebih kecil dari 0,1. Dari hasil uji ini maka dapat disimpulkan bahwa semua variabel bebas
yang dipakai dalam penelitian ini lolos uji multikolinearitas.
Universitas Sumatera Utara
4.2.1.3.Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah variance dari residual satu pengamatan ke pengamatan yang lainnya berbeda
atau tetap. Ada beberapa cara untuk mendeteksi problem heteroskedastisitas yaitu dengan grafik scatterplot dan uji statistik
glejser. Berikut ini hasil uji heteroskedastisitas.
Gambar 4.3. Grafik Scatterplot
Dari grafik scatterplot di atas dapat terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang
Universitas Sumatera Utara
jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu y. Hal ini mengindikasikan bahwa pada data tidak terjadi
problem heteroskedastisitas sehingga memenuhi asumsi klasik heteroskedastisitas. Namun analisis menggunakan grafik scatterpolt
memiliki kelemahan karena tergantung pada jumlah sampel. Oleh karena itu dibutuhkan teknik lain yang lebih akurat untuk
mendeteksi ada atau tidak problem heteroskedastisitas yaitu dengan melakukan uji statistik glejser.
Tabel 4.4. Uji Statistik Glejser
Sumber : Data Diolah Dari hasil uji glejser di atas diperoleh nilai signifikansi
untuk semua variabel 0.05. Oleh karena itu, dapat disimpulkan bahwa data memenuhi asumsi klasik heteroskedastisitas.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2.303 1.747
1.318 .189
X1 .085
.252 .049
.338 .736
X2 .018
.093 .024
.188 .851
X4 .152
.220 .109
.693 .490
X5 -.416
.250 -.155
-1.664 .098
X6 -.094
.127 -.066
-.739 .461
X7 .069
.161 .046
.430 .668
X8 .003
.213 .001
.013 .990
a. Dependent Variable: Glejser
Universitas Sumatera Utara
4.2.1.4. Uji Autokorelasi