normalitas, dapat menganalisis dengan melihat nilai probabilitasnya. Dasar pengambilan keputusan adalah jika nilai probabilitas 0,05, maka
model regresi memenuhi asumsi normalitas. Hasil uji normalitas dengan Kolmogorov Smirnov Test sbb:
Tabel 14. Hasil Uji Normalitas dengan Kolmogorov Smirnov Test
Variabel Sig.
Nilai Kritis Keterangan
Residual 0,302
0,05 Normalitas
Sumber: Lampiran Hasil Uji Normalitas, 2014. Berdasarkan hasil uji normalitas dengan Kolmogorov Smirnov Test
di atas terlihat bahwa nilai probabilitas 0,05, maka model regresi memenuhi asumsi normalitas.
2. Uji Linearitas
Uji linearitas digunakan untuk melihat spesifikasi model yang digunakan sudah benar atau tidak. Hasil uji linearitas sbb :
Tabel 15. Hasil Uji Linearitas
Variabel F-hitung
Sig. Keterangan
X
1
8,147 0,006
Linear X
2
15,435 0,000
Linear X
3
2,692 0,049
Linear X
4
152,673 0,000
Linear X
5
10,580 0,002
Linear X
6
0,215 0,046
Linear X
7
5,256 0,025
Linear Sumber : Data Primer Diolah, 2014.
Berdasarkan hasil uji linearitas diperoleh nilai probabilitas F
-statisik
Level of Significant = 0,05, maka hipotesis nol yang menyatakan bahwa spesifikasi model linier adalah benar.
3. Uji Multikolinearitas
Uji Multikolinearitas adalah suatu keadaan dimana salah satu atau lebih variabel independen dapat dinyatakan sebagai kombinasi linier dari
variabel independen lainnya. Salah satu asumsi regresi linier klasik adalah tidak adanya multikolinearitas sempurna no perfect multikolinearitas.
Suatu model regresi dikatakan terkena multikolenearitas apabila terjadi hubungan linier yang perfect atau exact diantara beberapa atau semua
variabel bebas. Akibatnya akan sulit untuk melihat pengaruh secara individu variabel bebas terhadap variabel tak bebas Madalla, 6619.
Pendeteksian multikolinearitas dalam penelitian ini dilakukan dengan metode VIF.
Kriteria pengujian : Jika VIF 10, maka Ho ditolak
Jika VIF 10, maka Ho diterima Hasil uji multikoliniearitas dengan metode VIF sbb :
Tabel 16. Hasil Uji Multikolinearitas dengan Metode VIF
Variabel VIF
Nilai Kritis Keterangan
X
1
1,500 10
Tidak terkena multikolinearitas X
2
1,459 10
Tidak terkena multikolinearitas X
3
1,096 10
Tidak terkena multikolinearitas X
4
1,556 10
Tidak terkena multikolinearitas X
5
1,330 10
Tidak terkena multikolinearitas X
6
2,029 10
Tidak terkena multikolinearitas X
7
1,315 10
Tidak terkena multikolinearitas Sumber: Lampiran Hasil Olah Data Uji VIF, 2014.
Berdasarkan hasil uji multikolinearitas dengan metode VIF, nilai VIF 10, artinya bahwa semua variabel bebas tidak terjadi
multikolinearitas, sehingga tidak membiaskan interprestasi hasil analisis regresi.
4. Uji Heteroskedastisitas
Homoskedastisitas adalah situasi dimana varian σ
2
dari faktor pengganggu atau disturbance term adalah sama untuk semua observasi X.
Penyimpangan terhadap asumsi ini yaitu disebut heteroskedastisitas yaitu apabila nilai varian σ
2
variabel tak bebas Y
i
meningkat sebagai akibat dari meningkatnya varian dari variabel bebas X
i
, maka varian dari Y
i
tidak sama Ghozali, 2001:73. Pendeteksian heteroskedastisitas dalam
penelitian ini dilakukan dengan metode Glejser. Caranya dengan melihat
nilai probabilitas 0,05, sehingga tidak terkena heteroskedastisitas Ghozali, 2001:73. Hasil uji heteroskedastisitas dengan Glejser sebagai
berikut:
Gambar 2. Hasil Uji Heteroskedastisitas
3 2
1 -1
-2 -3
Regression Standardized Predicted Value
4 2
-2 -4
Re gres
sio n S
tud ent
iz ed
De let
ed
P ress
Re sid
ual
Dependent Variable: AUDELAY
