5.2.1.2 Hasil Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Cara untuk mendeteksi multikolinieritas adalah dengan melihat nilai Variance Inflation
Factor VIF. Jika VIF 10, maka variabel tersebut memiliki persoalan multikolinieritas dengan variabel bebas lainnya.
Tabel 5.3 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
2.577E10 2.182E10
1.181 .244
PAD_X1 .295
.066 .558
4.434 .000
.193 5.185
DAU_X2 .192
.069 .361
2.768 .008
.180 5.565
DBH_X3 -.256
.363 -.111
-.705 .484
.123 8.150
SiLPA_X4 .517
.150 .275
3.440 .001
.478 2.092
LW_X5 6456232.832
3873923.575 .117
1.667 .102
.621 1.611
a. Dependent Variable: BM_Y
Sumber: Lampiran 4 Hasil Output SPSS
Dari tabel 5.3 diatas,dapat dilihat bahwa seluruh variabel independen yaitu PAD, DAU, DBH, SiLPA dan LW mempunyai nilai VIF 10. Hal ini
berarti bahwa regresi yang dipakai untuk ke 5 lima variabel independen diatas tidak terdapat persoalan multikolinieritas.
5.2.1.3 Hasil Uji Heterokedastisitas
Uji Heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Untuk mendeteksi adanya pola heterokedastisitas pada suatu penelitian dapat dilihat dari pla gambar scatter plot dan uji Glejser.
Universitas Sumatera Utara
a. Pola scateer plot
Gambar 5.2 Output Scatter Plot
Dari hasil tampilan output scatter plot jika scatter plot menunjukkan titik data menyebar di atas dan di bawah di sekitar angka nol pada sumbu Y maka data
penelitian bebas dari heterokedastisitas dan data layak digunakan untuk penelitian. Berdasarkan gambar di atas maka dapat dilihat bahwa titik data menyebar di atas
dan di bawah angka nol pada sumbu Y, sehingga dapat disimpulkan model regresi dalam penelitian ini bebas dari masalah Heterokedastisitas.
b. Uji Glejser
Tabel 5.4 Hasil Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 6.295E9
1.338E10 .471
.640 PAD_X1
-.023 .041
-.177 -.567
.573 DAU_X2
.072 .043
.544 1.681
.100 DBH_X3
-.158 .222
-.278 -.710
.481 SiLPA_X4
-.025 .092
-.053 -.267
.790 LW_X5
1307778.012 2375357.253
.096 .552
.584 a. Dependent Variable: AbsUt
Sumber : Lampiran 4 hasil Output SPSS
Universitas Sumatera Utara
Hasil tampilan output SPSS di atas dengan jelas menunjukkan tidak ada satupun variabel independen yang signifikan statistik mempengaruhi nilai Absolut
Ut AbsUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dapat disimpulkan model regresi penelitian ini tidak
mengandung adanya Heterokedastisitas.
5.2.1.4 Hasil Uji Autokorelasi
Uji Autokorelasi dilakukan untuk mengetahui apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalah pengganggu pada periode t-1 sebelumnya. Untuk mendeteksi masalah Autokorelasi dilakukan dengan Uji Durbin Watson Durbin-Watson Test. Setelah
dilakukan uji statistik dengan menggunakan SPSS maka didapatkan nilai DW seperti pada tabel berikut:
Tabel 5.5 Hasil Uji Durbin Watson
Jika nilai Durbin Watson d = du d 4-du maka dapat disimpulkan model regresi tidak mengalami masalah Autokorelasi positif ataupun negatif. Dari
hasil output SPSS di atas dapat dilihat bahwa nilai d sebesar 1,914 sedangkan nilai du sebesar 1,770 dan nilai 4-du sebesar 2,230. Sehingga jika di bandingkan
dengan persamaan diatas maka diperoleh hasil 1,770 du 1,914 d 2,230 4- du. Dari persamaan diatas dapat diambil kesimpulan bahwa model regresi linear
tidak ada masalah Autokorelasi positif maupun negatif.
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square
Change F Change df1
df2 Sig. F
Change 1
.927 .859
a
.844 4.25157E10
.859 56.168
5 46
.000 1.914
a. Predictors: Constant, LW_X5, DBH_X3, SiLPA_X4, PAD_X1, DAU_X2 b. Dependent Variable: BM_Y
Sumber: Lampiran 5 Hasil Output SPSS
Universitas Sumatera Utara
5.3 Uji Hipotesis