Pengujian Asumsi Multikolinieritas Pengujian Asumsi Heteroskedastisitas

pendidikan, pekerjaan, pendapatan, rata-rata pembelian dan kandungan air minum. Metode yang digunakan untuk analisa regeresi yang dilakukan dengan bantuan SPSS ini adalah Metode Stepwise karena dengan Metode Stepwise proses iterasi secara otomatis oleh SPSS sampai menghasilkan suatu model yang terbaik dan memenuhi asumsi klasik regresi linier. Dari 7 variabel independen yang dimasukkan dalam pengolahan regresi dihasilkan 7 variabel yang terseleksi. Nilai koefisisen dari persamaan regresi adalah sebagai berikut : Tabel 4.13 Nilai Koefisien Variabel Independen Model WTP Variabel independen Koefisien Konstanta 6.571,415 Jenis kelamin -236,747 Usia 109,681 Pendidikan -140,735 Pekerjaan 31,266 Pendapatan 293,671 Rata-rata pembelian 55,510 Kandungan air minum 46,113

4.2.7 Pengujian Asumsi Klasik

Setelah dilakukan pemodelan, data telah siap untuk disertakan dalam pengujian hipotesis. Sebelum melakukan pengujian hipotesis terlebih dahulu dilakukan pengujian asumsi klasik yang harus dipenuhi dalam pemakaian model regresi berganda. Pengujian asumsi klasik meliputi :

4.2.7.1 Pengujian Asumsi Multikolinieritas

Pengujian ini bertujuan untuk menguji pada model regresi ditemukan adanya korelasi antar variabel bebas independent. Model regresi yang baik Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. seharusnya tidak terjadi korelasi diantara variabel bebas independent. Pengujian yang diperoleh melalui SPSS dapat dilihat pada tabel 4.14 untuk output secara keseluruhan dapat dilihat pada lampiran C.4. Tabel 4.14 Pengujian Multikolinieritas Coefficients Model Collinearity Statistics Tolerance VIF 1 Constant Jenis kelamin 0,927 1,079 Usia 0,580 1,724 Pendidikan 0,479 2,090 Pekerjaan 0,785 1,274 Pendapatan 0,404 2,475 Rata-rata pembelian 0,822 1,217 Kandungan air minum 0,840 1,561 a Dependent Variable: WTP Initial Sumber : Hasil pengolahan SPSS lampiran C.4 Suatu model regresi dikatakan bebas multiko apabila : 1. Besaran VIF Variance Inflation Factors dan TOLERANCE a. Mempunyai nilai VIF disekitar angka 1. b. Mempunyai angka TOLERANCE mendekati 1. 2. Besar korelasi antar variabel independen Pedoman suatu model regresi yang bebas multiko adalah koefisien korelasi antar variabel indepenen haruslah lemah dibawah 0,5. Jika korelasi kuat maka terjadi multiko. Dari tabel 4.14 diatas terlihat bahwa kesemua variabel independen memiliki angka VIF disekitar angka 1. Demikian pada bagian coefficient correlation terlihat semua angka korelasi antar variabel independen jauh dibawah 0,5 lampiran C.4. Dengan demikian dapat dikatakan model regresi ini terbebas dari multiko. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.2.7.2 Pengujian Asumsi Heteroskedastisitas

Pengujian ini dilakukan untuk mencari tahu apakah terjadi kesamaan varian dari residual dari suatu pengamatan ke pengamatan yang lain. Pengujian diperoleh melalui SPSS, dapat dilihat pada gambar 4.9 untuk output secara keseluruhan lihat lampiran C.4. Scatterplot Dependent Variable: Nilai WTP Regression Standardized Predicted Value 3 2 1 -1 -2 -3 Nila i W T P 9000 8000 7000 6000 5000 Gambar 4.9 Pengujian Heterokedastisitas Sumber : Data olahan SPSS Dasar pengambilan keputusan dalam pengujian ini yaitu : 1. Jika ada pola tertentu, seperti titik-titik point-point yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah, maka tidak terjadi heteroskedastisitas. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Dari gambar 4.9 diatas, terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas maupun dibawah. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.

4.2.7.3 Pengujian Linieritas