Tabel 4.4 Perbaikan Heteroskedastisitas Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.572
1.030 1.527
.135 Lndanajangkapanjang
-.013 .085
-.029 -.159
.874 Lnhutanaglanacar
-.060 .081
-.134 -.738
.465 a. Dependent Variable: absut
Tabel 4.9 menunjukkan bahwa kedua variabel independen memiliki nilai signifikan yang lebih besar dari tingkat kepercayaan 5, sehingga dapat
disimpulkan bahwa model regresi tidak mengalami heteroskedastisitas. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen,
maka terdapat indikasi terjadi heteroskedastisitas. Oleh sebab itu, setelah dilakukan tindakan perbaikan heteroskedastisitas dengan cara trasformasi
logaritma natural menunjukkan tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut.
4.4.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah dalam sebuah model regresi terdapat korelasi antara variabel pengganggu pada periode tertentu dengan
variabel pengganggu pada periode sebelumnya. Gejala autokorelasi dideteksi dengan menggunakan uji Durbin Watson DW. Kriteria pengambilan keputusan
uji autokorelasi ditunjukkan pada Tabel berikut:
Universitas Sumatera Utara
Tabel 4.5 Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl
≤ d ≤ du Tidak ada korelasi negatif
Tolak 4 – dl d 4
Tidak ada korelasi negatif No decision
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi positif atau negatif
Tidak ditolak Du d 4 – du
Sumber : Situmorang et al 2012 : 126
Tabel 4.6 Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .934
a
.873 .867
1.10883E5 1.276
a. Predictors: Constant, Danajangkapanjang, Hutanglancar b. Dependent Variable: Labausaha
Sumber: Hasil Penelitian, 2013 Data diolah
Pada hasil output SPSS yang digambarkan dalam Tabel 4.5 terlihat nilai DW sebesar 1,276 dengan jumlah pengamatan sebanyak 50 dan
kasus = 5, maka nilai du = 1,7214 dan nilai dl = 1,377. Melalui data tersebut diperoleh hasil bahwa
0 DW dl 0 1,276 1,377. Maka disimpulkan terjadi autokorelasi positif pada model regresi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu dengan yang lainnya. Masalah ini muncul karena kesalahan pengganggu dari satu observasi tidak bebas ke observasi lainnya.
Universitas Sumatera Utara
Deteksi terhadap autokorelasi dapat juga dilakukan dengan metode The Runs Test seperti dalam Tabel 4.6 berikut:
Tabel 4.7 Autokorelasi
‒ The Runs Test
Runs Test
Unstandardized Residual
Test Value
a
3280.33022 Cases Test Value
25 Cases = Test Value
25 Total Cases
50 Number of Runs
15 Z
-3.144 Asymp. Sig. 2-tailed
.002 a. Median
Sumber: Hasil Penelitian, 2013 Data diolah
Hasil output SPSS menunjukkan bahwa nilai test adalah 3280.33022 dengan probabilitas 0,02. Nilai signifikansi berada di bawah 0,05 yang berarti
tidak menerima hipotesis nol H . Sehingga dapat disimpulkan bahwa residual
bersifat tidak random atau terjadi autokorelasi antar nilai residual.
4.4.4. Uji Multikolinearitas
