variable lainnya. Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak
ortogonal adalah variabel yang nilai antar sesama variabel bebas sama dengan nol Ghozali, 2011: 105.
Dengan melihat nilai tolerance dan inflation factor VIF pada model regresi. Dari output diatas dapat diketahui bahwa nilai tolerance ketujuh
variabel lebih dari 0,10 dan VIF kurang dari 10, maka dapat disimpulkan bahwa tidak terjadi multikolinieritas antar variabel bebas.
e. Uji Linearitas
Tabel 4.20 Hasill Uji Linearitas
Model Summary
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .065
a
.004 -.072
.27453355 a. Predictors: Constant, X72, X22, X42, X62, X32, X52,
X12
Uji linearitas digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Dengan uji linearitas akan
diperoleh informasi apakah model empiris sebaiknya linear, kuadrat atau kubik. Pengujian ini menggunakan pendekatan Dengan
menggunakan teknik
Lagrange Multiplier
bertujuan untuk
mendapatkan nilai c
2
hitung atau n x R
2
Ghozali, 2011: 166.
Hasil tampilan output menunjukkan nilai R
2
0,004 dengan jumlah n observasi 100, maka besarnya c
2
hitung = 100 x 0,004 sama dengan 0,04. Nilai ini dibandingkan dengan c
2
tabel dengan df = 100 dan tingkat signifikansi 0,05 didapat nilai c
2
tabel 115,38. Oleh karena nilai c
2
hitung lebih kecil dari c
2
tabel maka dapat disimpulkan bahwa model yang benar adalah model linear.Dari hasil output diatas dapat
disimpulkan bahwa dalam penelitian ini telah lolos dalam uji asumsi klasik yang meliputi: uji normalitas, uji autokorelasi, uji linearitas, uji
multikolieneritas, uji heterokedastisitas.
4. Metode Analisis a.
Analisi Regresi Linear Berganda Tabel 4.21
Hasil Uji Analisis Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1Constant
-.646 .290
-2.224 .029
X1 .214
.072 .223
2.989 .004
.590 1.695 X2
.142 .056
.153 2.519
.014 .886 1.128
X3 .140
.062 .169
2.254 .027
.582 1.717 X4
.144 .064
.159 2.240
.027 .653 1.532
X5 .203
.067 .224
3.027 .003
.598 1.671 X6
.170 .081
.136 2.109
.038 .791 1.264
X7 .188
.074 .174
2.543 .013
.697 1.436 a. Dependent Variable:
