Gambar 4.2 Grafik Normal P-P Plot
Dari grafik histogram di atas, terlihat bahwa distribusi data simetris pada bagian kiri dan kanan.
Sementara pada grafik normal P-P Plot, terlihat bahwa titik-titik menyebar di sekitar garis diagonal. Dengan
demikian, maka dapat disimpulkan bahwa pola distribusi data adalah normal.
4.1.2.2 Uji Multikolinearitas
Tujuan uji multikolinearitas menurut Ghozali 2005 yaitu “untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas independen”. Multikolinearitas merupakan situasi dimana terjadinya
korelasi antara variabel independen yang satu dengan yang lainnya. Dalam hal ini, variabel-variabel bebas menjadi
Universitas Sumatera Utara
tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai
korelasi di antara sesamanya sama dengan nol Erlina, 2012:103. Model regresi yang baik seharusnya tidak
terjadi korelasi di antara variabel-variabel independen. Secara umum, ada dua cara untuk mendeteksi adanya
multikolinearitas, yakni dengan melihat nilai tolerancedan variance inflation factor VIF. Nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolineritas adalah jika tolerance 0,1 dan nilai VIF 10. Hasil pengujian
terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel berikut:
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant .035
.179 .198
.844 EPS
.001 .001
.121 .966
.337 .845
1.184 PER
.010 .007
.171 1.325
.189 .797
1.255 MB
.049 .069
.088 .719
.474 .893
1.120 a. Dependent Variable: RS
Sumber : Hasil Pengolahan SPSS 2014 Berdasarkan data olahan pada tabel 4.3, maka dapat
dilihat bahwa semua variabel independen memiliki nilai VIF 10 dan nilai tolerance 0,1. Dengan demikian,
Universitas Sumatera Utara
maka dapat disimpulkan bahwa tidak terjadi korelasi di antara varibel-variabel independen yang diuji.
4.1.2.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari
residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang
lain tetap, maka disebut homoskedastisitas sementara jika berbeda disebut heteroskedastisitas. Model regresi yang
baik adalah tidak terjadi heteroskedastisitas. Pengujian lain yang dapat digunakan untuk
mendeteksi adanya heterokedastisitas adalah dengan melihat grafik nilai residu scatterplot. Suatu model terjadi
heteroskedastisitas jika nilai-nilai residunya membentuk pola sebaran yang meningkat, yaitu secara terus-menerus
bergerak menjauhi garis nol. Pengujian heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini:
Universitas Sumatera Utara
Gambar 4.3 Grafik
Scatterplot
Dari gambar scatterplot di atas, terlihat bahwa titik- titik menyebar secara acak dan tidak membentuk pola
tertentu atau tidak teratur. Ttitik-titik tersebut juga menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal
tersebut menunjukkan bahwa tidak terjadi
heteroskedastisitas pada model regresi sehingga model ini layak dipakai dalam penelitian ini.
4.1.2.4 Uji Autokorelasi
