4.4.2. Uji Heterokedastisitas
Analisis regresi bertujuan untuk melihat seberapa besar peranan variabel bebas terhadap variabel terikat. Dalam setiap persamaan regresi pasti memunculkan residu. Residu
yaitu variabel-variabel lain yang terlibat akan tetapi tidak termuat di dalam model sehingga residu adalah variabel tidak diketahui sehingga diasumsikan bersifat acak. Karena
diasumsikan acak, maka besarnya residu tidak terkait dengan besarnya nilai prediksi. Jika data residu tidak bersifar acak maka data bisa dikatakan terkena heteroskedastisitas.
1. Uji Glesjer
Tabel 4.7
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1,227
,235 5,219
,000 PX1.1
-,047 ,107
-,049 -,439
,662 PX2.1
-,027 ,195
-,016 -,141
,888 a. Dependent Variable: PY1
Hasil diatas menunjukkan tidak satupun varaiabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absUt. Hal ini terlihat dari
probabilitas signifikansinya diatas tingkat kepercayaan 5. Jadi disimpulkan regresi tidak mengarah adanya heteroskedastisitas.
4.4.3. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji adanya korelasi antara variabel independen.Jika terjadi korelasi maka dinamakan multikol, yaitu adanya masalah
multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel
Universitas Sumatera Utara
independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah : Tolerance 0,1 sedangkan variance inflation faktor VIF 5.
Tabel 4.7
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
1,227 ,235
5,219 ,000
PX1.1 -,047
,107 -,049
-,439 ,662
,944 1,059
PX2.1 -,027
,195 -,016
-,141 ,888
,944 1,059
a. Dependent Variable: PY1
Dari hasil diatas dapat disimpulkan bahwa tidak terdapat persoalan multikolinieritas karena dapat dilihat pada kolom Tolerance dimana nilai variabel X1 dan X2 diatas atau lebih
besar dari 0,1 dan pada tabel VIF nilai variabel X1 dan X2 diatas atau lebih besar dari 0,5.
4.5. Analisis Regresi Linear Berganda
Kategori