5.2.4. Uji Asumsi Klasik Hipotesis I
5.2.2.4. Uji multikolinearitas
Uji multikolinearitas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu
model. Kemiripan antarvariabel independen dalam satu model akan menyebabkan terjadinya korelasi yang sangat kuat antara suatu variabel independen yang lain.
Deteksi terhadap multikolinearitas dapat diketahui dari nilai variance inflation faktor VIF hitungnya. Suatu model dikatakan terbebas dari multikolinearitas jika nilai VIF
tidak lebih dari 10 dan nilai toleransi di atas 0,1 Ghozali, 2001 dalam Tarigan, 2008. Perhitungan VIF model regresi dalam penelitian ini dapat dilihat pada Tabel
5.9, yaitu sebagai berikut:
Tabel 5.9. Coefficients CAR , UE, CSR, CSRBETA
Collinearity Statistics Model
Tolerance VIF
UE ,966
1,035 CSR
,806 1,240
BETA ,037
26,772 1
CSR_BETA ,037
27,300 a Dependent Variable: CAR
Dari Tabel 5.9 dapat dilihat bahwa variabel UE, CSR, memiliki nilai tolerance di atas 1 dan nilai VIF di bawah 10. Namun, variabel BETA dan
CSRBETA memiliki nilai tolerance di bawah 1 dan nilai VIF di atas 10. Berdasarkan hasil ini dapat disimpulkan model regresi ini tidak terbebas dari gejala
multikolinearitas di mana terjadi korelasi antarvariabel independen dalam model.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Untuk membebaskan model ini dari gejala multikolinearitas maka dilakukan penghapusan terhadap salah satu variabel independen yakni BETA karena variabel
interaksi CSRBETA adalah variabel yang hendak diamati. Dari hasil pengujian tersebut dapat dilihat dalam Tabel 5.10.
Tabel 5.10. Coefficients CAR, CSR, CSRBETA
Collinearity Statistics Model
Tolerance VIF
UE ,968
1,034 CSR
,981 1,019
1 CSR_BETA
,952 1,051
a Dependent Variable: CAR
Setelah dilakukan penghapusan terhadap variabel BETA maka model tersebut terbebas dari gejala multikolinearitas di mana nilai tolerance di bawah 1 dan VIF
di bawah 10. 5.2.2.5.
Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan untuk melihat apakah dalam sebuah model
terjadi perbedaan variance dari residual suatu pengamatan ke pengamatan lainnya. Model regresi yang baik adalah model regresi yang memiliki persamaan variance
residual suatu pengamatan dengan pengamatan lainnya. Uji heteroskedastisitas dalam penelitian ini dilihat dari pola gambar Scatterplot model tersebut. Hasil uji
heteroskedastisitas dapat dilihat pada Gambar 5.1.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Regression Standardized Predicted Value
3 2
1 -1
-2
R e
g re
s s
io n
S tu
d e
n ti
z e
d R
e s
id u
a l
4 3
2 1
-1 -2
Scatterplot Dependent Variable: CAR
Gambar 5.1. Scatterpot Uji Heteroskedastisitas
Output SPSS pada gambar Scatterplot menunjukkan penyebaran titik-titik data sebagai berikut:
1. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0.
2. Titik-titik data tidak mengumpul hanya di atas atau hanya di bawah saja.
3. Penyebaran titik-titik data tidak membentuk pola bergelombang melebar
kemudian menyempit dan melebar kembali. 4.
Penyebaran titik-titik data tidak berpola. Dengan demikian dapat disimpulkan bahwa model regresi linier berganda
terbebas dari heteroskedastisitas dan layak digunakan dalam penelitian.
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
5.2.2.6. Uji autokorelasi
Pengujian autokorelasi dilakukan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu pada periode tertentu dengan variabel pengganggu
periode sebelumnya. Deteksi autokorelasi dilakukan dengan uji Durbin-Watson.
Tabel 5.11. Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
,364a ,133
,093 1,03063
1,950
Berdasarkan Tabel 5.11 diketahui bahwa nilai Durbin-Watson sebesar 1,950. Dengan jumlah sampel 69 dan 3 variabel independen dalam model maka diperoleh
data dari tabel dl = 1,550 dan du = 1.669. nilai DW hasil perhitungan adalah 1,950 diantara du dan 4-du yakni 1.669 1,950 2,331. Sehingga dapat disimpulkan
penelitian ini bebas dari autokorelasi.
5.2.5. Uji Normalitas Data Hipotesis II