Tabel 4.8 Uji
Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
69 Normal Parameters
a,,b
Mean .0000000
Std. Deviation 6.23863378
Most Extreme Differences Absolute
.085 Positive
.080 Negative
-.085 Kolmogorov-Smirnov Z
.706 Asymp. Sig. 2-tailed
.701 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data Primer diolah, 2013
Berdasarkan Tabel 4.8 terlihat bahwa nilai Asymp.Sig 2-tailed adalah 0,706 dan di atas nilai signifikan 0,05, hal ini menunjukkan bahwa
variabel residual berdistribusi normal.
4.2.4.2. Uji Multikolinieritas
Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor, Kedua ukuran ini menunjukkan setiap
variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas variabel independen yang
terpilih yang tidak dijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance 0,1 dan VIF 5, maka tidak terjadi
multikolinieritas.
Universitas sumatera utara
Tabel 4.9 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 8.235
5.299 1.554
.125 keselamatan
-1.081 .394
.344 -2.742
.008 .548
1.826 kesehatan
-.956 .321
.374 -2.978
.004 .548
1.826 a. Dependent Variable: kecelakaan
Sumber : Data primer diolah 2013 Berdasarkan Tabel 4.9 dapat terlihat bahwa: jika hasil korelasi antara
variabel independen di bawah 0,9 maka antara variabel tersebut tidak terjadi multikolinearitas. Kesimpulan tersebut dapat diambil dengan melihat pada
hasil uji multikolonearitas bahwa seluruh variabel bebas memiliki nilai tolerance 0,5 dan nilai VIF 5. Hubungan antara nilai tolerance dan
VIFdapat dijelaskan dengan hubungan berbanding terbalik.
4.2.4.3 Uji Heterokedastisitas
Uji ini bertujuan untuk menguji model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain. Jika varians dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah yang
homokedastisitas atau tidak terjadi heterokedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heterokedastisitas
yaitu :
Universitas sumatera utara
a. Metode Grafik Dasar analisa adalah jika tidak ada pola yang jelas, serta titik-titik
menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur, maka mengidentifikasikan telah terjadi heterokedastisitas.
Gambar 4.4 Grafik Scatterplot b. Uji Glejser
Glejser mengusulkan untuk meregresikan nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
mempengaruhi variabel independen, maka ada indikasi terjadi heterokedastisitas. Hasil penelitian menunjukkan hasil uji glejser pada Tabel 4.10
Universitas sumatera utara
Tabel 4.10 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 5.352
2.929 1.827
.072 keselamatan
-.068 .178
-.063 -.382
.704 kesehatan
-.070 .218
-.054 -.323
.748 a. Dependent Variable: Absut
Sumber : Data Primer diolah 2013
4.2.4.4 Analisis Regresi Linear Berganda
