heteroskedastisitas pada suatu model dapat dilihat melalui grafik Scatter plot, yaitu: 1 jika ada pola tertentu yang membentuk pola teratur, menyempit kemudian
melebar bergelombang maka terjadi heteroskedastisitas; 2 jika tidak ada pola yang jelas, titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y maka tidak
terjadi heteroskedastisitas.
3.8 Uji Hipotesis
3.8.1 Uji Simultan Uji F
Uji simultan digunakan untuk mengetahui apakah semua variabel independen mempunyai pengaruh secara simultan terhadap variabel dependen Ghozali 2009:62.
Dalam penelitian ini uji F dihitung dengan menggunakan bantuan program SPSS release 16. Dasar keputusan untuk menerima atau menolak hipotesis adalah sebagai
berikut : 1. Jika nilai signifikansi F
0,05 atau koefisien F hitung signifikan pada taraf kurang dari 5 maka Ho ditolak.
2. Jika nilai signifikansi F
0,05 atau koefisien F hitung signifikan pada taraf lebih besar dari 5 maka Ho diterima.
3.8.2 Uji Parsial Uji t
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen
Ghozali,2009:64. Pengujian dilakukan dengan menggunakan program SPSS release 16, dengan signifikan 5 0,05, agar perhitungan lebih cepat dan mendapat hasil
yang akurat maka nilai t
hitung
dicari dengan menggunakan bantuan program SPSS. Dasar keputusan untuk menerima atau menolak hipotesis adalah sebagai berikut:
1. Jika nilai signifikansi t
0,05 atau koefisien t hitung signifikan pada taraf kurang dari 5 maka Ho ditolak.
2. Jika nilai signifikansi t
0,05 atau koefisien t hitung signifikan pada taraf lebih besar dari 5 maka Ho diterima.
3.8.3 Koefisien Determinasi Simultan R
2
Untuk mengetahui besarnya kontribusi variabel bebas terhadap variabel terikat, maka perlu dicari koefisien determinasi secara keseluruhan. Perhitungan dilakukan
dengan menggunakan bantuan SPSS release 16. Hasil perhitungan adjusted R
2
secara keseluruhan digunakan untuk mengukur ketepatan yang paling baik dari analisis
regresi linier berganda. Jika adjusted R
2
mendekati 1 satu maka dikatakan semakin kuat model tersebut dalam menerangkan variasi variabel bebas terhadap variabel
terikat. Sebaliknya jika adjusted R
2
keseluruhan mendekati 0 nol maka semakin lemah variasi variabel bebas menerangkan variabel terikat.
3.8.4 Koefisien Determinasi Parsial r