Tabel 4.28 Hasil Uji Multikolinearitas
Coefficients
a
1.971 .250
7.886 .000
.137 .079
.193 1.739
.087 .923
1.083 6.351E-02
.058 .129
1.099 .276
.827 1.210
.175 .061
.349 2.869
.006 .769
1.301 Constant
Suvervisi X_1 Diklat X_2
Partisipasi dlm KKG X_3
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardi
zed Coefficien
ts t
Sig. Tolerance
VIF Collinearity Statistics
Dependent Variable: Profesionalisme Guru Y a.
Berdasarkan tabel out put di atas, diperoleh nilai VIF untuk masing-masing variabel supervisi, diklat dan partisipasi dalam KKG masih disekitar 1, dan nilai
toleransi mendekati 1, maka dapat disimpulkan bahwa mode regresi tersebut tidak terdapat problem multikolinieritas MULTIKO. Artinya Dalam model regresi tidak
terjadi korelasi antar variabel independen.
c. Uji Heteroskedastisitas
Heteroskedastisitas artinya varians variabel dalam model tidak sama konstan untuk suatu pengamatan. Pada heteroskedastisitas, kesalahan yang terjadi
tidak acak tetapi menunjukkan hubungan yang sistematis sesuai dengan besarnya satu atau lebih variabel bebas.
Model regresi yang baik apabila tidak terjadi heteroskedastisitas, untuk menentukan model regresi terjadi heteroskedastisitas atau tidak terjadi
heteroskedastisitas dengan ketentuan : Apabila nilai erorr membentuk pola tertentu tidak bersifat acak terhadap nol, maka dikatakan terjadi heteroskedastisitas. Atau
jika pola tertentu seperti titik-titik point-point yang ada membentuk suatu pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka telah terjadi hetroskedastisitas. Untuk jelasnya hasil uji heteroskedastisitas sebagaimana
pada gambar 4.24 berikut :
Scatterplot Dependent Variable: Profesionalisme Guru Y
Profesionalisme Guru Y
4.0 3.8
3.6 3.4
3.2 3.0
2.8 2.6
2.4 2.2
R egressi
on Standardi zed Predi
cted Val u
e
3 2
1 -1
-2 -3
-4
Gambar 4.24 Hasil Uji Heterokedastisitas Berdasarkan diagram Scatterplot, Var dependent dan residual diperoleh
diagram bahwa nilai error cukup menyebar di sekitar nol, ini berarti dalam model liner tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
d. Uji Autokorelasi
Untuk menguji apakah dalaam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t sebelumnya.
Model regresi yang baik adalah regresi yang bebas autokorelasi. Untuk mendeteksi autokorelasi dapat dilihat pada tabel Durbin-Watson D-W. Jika D-W dibawah -2
berarti ada autokorelasi positif, jika D-W dinatara -2 sampai +2, berarti tidak ada autokorelasi, dan jika D-W di atas +2 berarti ada autokolreasi negatif.
Tabel 4.29 Hasil Uji Autokorelasi
Model Summary
b
.500
a
.250 .216
.2572 1.562
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-W atson
Predictors: Constant, Partisipasi dlm KKG X_3, Suvervisi X_1, Diklat X_2
a. Dependent Variable: Profesionalisme Guru Y
b.
Berdasarkan data out put Model Summary di atas, diperoleh nilai D-W Durbin Watson = 1,562 ; nilai D-W berada dianatar -2 sampai +2. Ini berarti dalam
model linier tidak terjadi autokorelasi.
3. Hasil Uji Hipotesis
