4.4.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk mendeteksi ada atau tidaknnya gejala multikolinearitas pada data dapat dilakukan dengan melihat nilai tolerance
value dan Varians Inflation factor VIF. Dengan kriteria sebagai berikut : 1. Apabila VIF 5 maka diduga mempunyai persoalan Multikolinearitas.
2. Apabila VIF dari 5 maka tidak terdapat Multikolinearitas. 3. Apabila tolerance 0,1 maka diduga mempunyai persoalan
Multikolinearitas 4. Apabila tolerance 0,1 maka tidak terdapat multikolinearitas.
Tabel 4.10 Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
2.448 2.480
.987 .329
Efikasi Diri .563
.059 .557
9.537 .005
.641 1.559
Keunggulan Bersaing .567
.065 .507
8.689 .000
.641 1.559
a. Dependent Variable: Keberhasilan Usaha
Sumber :Hasil pengolahan SPSS 2016
Pada Tabel 4.10 terlihat bahwa nilai tolerance semua variabel bebas efikasi diri dan keunggulan bersaing adalah lebih besar dari nilai ketetapan 0,1
dan nilai VIF semua variabel bebas efikasi diri dan keunggulan bersaing adalah lebih kecil dari nilai ketetapan 5. Oleh karna itu, data dalam penelitian ini
dikatakan tidak mengalami masalah multikolinearitas.
Universitas Sumatera Utara
4.4.3 Uji Heteroskedastisitas
Tujuan uji heteroskedastisitas adalah untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual antara satu
pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendekati ada atau tidaknya heteroskedastisitas yaitu :
a. Pendekatan Grafik
Sumber :Hasil pengolahan SPSS 2016
Gambar 4.3 Scatterplot Heteroskedastisitas
Universitas Sumatera Utara
Berdasarkan gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi layak dipakai untuk memprediksi Keberhasilan Usaha berdasarkan masukan
variabel efikasi diri dan keunggulan bersaing. b.
Uji Glejser Glejser mengusulkan untuk meregresi nilai absolut residual terhadap
variabel independen.Jika variabel independen signifikan secara statistik mempengaruhi variabel absut maka ada indikasi terjadi heteroskedastisitas.
Tabel 4.11 Hasil Uji Glejser heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 4.078
1.657 2.462
.018 Efikasi Diri
-.025 .039
-.115 -.626
.535 Keunggulan Bersaing
-.041 .044
-.174 -.945
.350 a. Dependent Variable: Absut
Sumber :Hasil pengolahan SPSS 2016
Pada Tabel 4.11 terlihat variabel independen efikasi diri dan keunggulan bersaing yang tidak signifikan secara statistik mempengaruhi variabel dependen
absolute Ut absUt. Hal ini terlihat dari probabilitas efikasi diri 0,535, dan keunggulan bersaing 0,352 diatas tingkat kepercayaan 5 0.05, jadi
disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
Universitas Sumatera Utara
4.5 Analisis Regresi Linear Berganda
Kategori