Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
40.562 5.832
6.955 .000
Jenis_Kelamin -3.516
1.471 -.265
-2.390 .020
.965 1.036
Usia .265
.835 .035
.317 .752
.974 1.026
Pendidikan -.102
1.134 -.010
-.090 .929
.884 1.131
Status_Perkawinan -2.865
2.219 -.148
-1.291 .201
.905 1.105
Jumlah_Anak 2.859
1.093 .291
2.617 .011
.959 1.042
Pendapatan -.087
1.159 -.008
-.075 .940
.949 1.053
a. Dependent Variable: Toleransi_Risiko
Sumber: Hasil penelitian, 2014 data diolah
Berdasarkan dari hasil perhitungan nilai VIF, tidak satupun variabel independen yang memiliki nilai lebih dari 5, karena nilai VIF tertinggi sebesar
1,131 dan nilai tolerance seluruh variabel independen menunjukkan hasil lebih dari 0,1. Sehingga dapat disimpulkan bahwa pada model regresi tidak terjadi
gejala multikolinieritas antar variabel independen.
4.3.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke
pengamatan lain tetap, maka terjadi homokedastisitas dan jika berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas. Cara untuk melihat apakah heteroskedastisitas atau tidak, dapat dilakukan melalui pendekatan grafik.
Pendekatan grafik, titik-titik pada data harus tidak mencerminkan suatu pola tertentu atau dapat dikatakan acak. Gambar grafik scatter plot untuk menguji
heteroskedastisitas tampak pada Gambar 4.4 berikut ini.
Universitas Sumatera Utara
Sumber: Hasil penelitian, 2014 data diolah
Gambar 4.4 Hasil Uji Heteroskedastisitas Grafik Scatterplot
Grafik scatter plot pada Gambar 4.4 diketahui bahwa penyebaran titik-titik secara acak dan tidak membentuk suatu pola tertentu yang jelas serta tersebar baik
di atas maupun di bawah angka nol 0 pada sumbu Y. Dengan demikian dapat disimpulkan tidak terdapat gejala heteroskedastisitas di model regresi penelitian
ini. Selain menggunakan grafik, heteroskedastisitas juga dapat dideteksi
dengan menggunakan analisis statistik diantaranya uji Glejser. Pada uji Glejser indikator tidak terjadi heteroskedastisitas, jika probabilitas signifikansinya di atas
tingkat kepercayaan 5. Hasil uji Glejser tampak pada Tabel 4.10 berikut ini.
Universitas Sumatera Utara
Tabel 4.11 Hasil Uji Heteroskedastisitas Uji
Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .231
3.347 .069
.945 Jenis_Kelamin
1.978 .844
.273 1.342
.322 Usia
.126 .479
.030 .262
.794 Pendidikan
.341 .651
.064 .523
.602 Status_Perkawinan
.563 1.273
.053 .442
.660 Jumlah_Anak
.053 .627
.010 .084
.933 Pendapatan
-.375 .665
-.066 -.564
.575 a. Dependent Variable: absut
Sumber: Hasil penelitian, 2014 data diolah
Pada Tabel 4.11 terlihat tidak ada satupun variabel independen Jenis Kelamin, Usia, Pendidikan, Status Perkawinan, Jumlah Anak, dan Pendapatan
yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut, karena probabilitas signifikansinya di atas tingkat kepercayaan 5 nilai
sig 0,05. Hal ini berarti model regresi tidak mengarah adanya heteroskedastisitas.
4.3.2.4 Uji Autokorelasi