Gambar IV.3. Histrogram Prestasi Belajar Siswa
C. Pengujian Asumsi Klasik
1. Uji Otokorelasi
Akibat dari adanya otokorelasi adalah parameter yang diestimasi menjadi bias dan variannya tidak minimum sehingga tidak efiesien. Untuk mengetahui ada-tidaknya
otokorelasi dapat dilakukan dengan uji Durbin Watson statistik. Hipotesis yang digunakan Ghozali, 2001: 96 adalah:
0ddl =
ada otokorelasi positif, keputusan ditolak dl d du
= tidak ada otokorelasi positif, tidak ada keputusan
du d4-du =
tidak ada otokorelasi posisif atau negatif, keputusan diterima Dari hasil analisis regresi diperoleh nilai statistik Durbin-Watson adalah 2,013.
Dengan derajat kepercayaan 5, dengan N = 72, dan variabel penjelas 2, maka diperoleh nilai dl =1,58; dan du = 1,64, Besarnya nilai koefisien DW dari hasil pengujian sebesar
2,013 terletak di antara dud4-du 1,58 2,013 2,36 sehingga dapat disimpulkan bahwa tidak ada gejala otokorelasi positif atau negatif, sehingga keputusan diterima.
2. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dengan menggunakan uji Lagrange Multiplier dengan bantuan program komputer SPSS dengan hasil seperti terlihat pada tabel berikut
ini: 10
20 30
40
1
kriteria ju
m la
h
rendah sedang
tinggi
Tabel 10. Hasil Uji Heteroskedastisitas
Dari hasil uji heteroskedastisitas di atas menunjukkan nilai R
2
sebesar 0,001 dengan N= 72 diperoleh R
2
.N adalah 0,001 x 72 = 0,072 dengan demikian R
2
.N lebih kecil dari 45,42 0,072 45,42 sehingga standart error e tidak mengalami
heteroskedastisitas.
3. Uji Multikolinearitas
Pengujian multikolinearitas digunakan vasilitas yang disediakan SPSS yaitu dengan melihat nilai VIF dari masing-masing variabel. Jika nilai VIF Variance Inflation
Factor lebih rendah dari 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas yang serius antara variabel independen dalam model. Dengan melihat nilai VIF dalam
model regresi dapat diketahui bahwa masing-masing variabel tidak mengandung adanya gejala multikolinearitas karena mempunyai nilai VIF yang lebih rendah dari 10 Setiaji,
2004: 76. Tabel IV.11: Ringkasan Hasil Pengujian Multikolinearitas dengan menggunakan
Variance Inflation Factor VIF Variabel
Nilai VIF Batas Nilai
X1 1,345
10 X2
1,345 10
Sumber data: Data Primer yang diolah, 2008
D. Pengujian Hipotesis
Kategori