Positive .157
Negative -.092
Kolmogorov-Smirnov Z .943
Asymp. Sig. 2-tailed .336
a. Test distribution is Normal. b. Calculated from data.
Sumber : pengolahan data dengan SPSS Versi 12.00
Pada Tabel 4.2 dapat dilihat bahwa nilai asymp.Sig 2-tailedadalah 0,336. Nilai tersebut lebih besar dari nilai signifikan 0,05.dengan kata lain variable
residual berdistribusi normal.
2. Uji Heterokedastisitas
Uji heterokedastisitas menggunakan Scatter Plot nilai residual variable dependen. Pengambilan dilakukan dengan memperhatikan sebaran plot data. Jika
sebaran plot data tidak mengumpul di satu sudutbagian maka disimpulkan tidak terjadi heterokedastisitas, sehingga dikatakan data adalah homogen.
Gambar 4.2 Normal Scatterplot
Universitas Sumatera Utara
-1 1
2
Regression Standardized Predicted Value
-2 -1
1 2
3
Re gr
es sio
n S tu
de nt
ize d R
es idu
al
Dependent Variable: Tabungan Scatterplot
Sumber : pengolahan data dengan SPSS versi 12.00
Pada gambar 4.2 dapat dilihat bahwa tidak terjadi persoalan heterokedastisitas karena plot data yang didapatkan relative menyebar kesegala bidang, sehingga
data memenuhi persyaratan asumsi klasik tentang homogenitas.
3. Uji Autokorelasi
Pengujian autokorelasi dapat dilihat dengan the runs test. Metode ini
diperkenalkan oleh Geary sebagai uji nonparametric dengan tanda positif dan negative. Kaidah keputusannya adalah tidak menolak hipotesis nol jika taksiran R
berada pada jarak interval, dan menolak hipotesis nol jika taksiran R diluar batas interval.
Tabel 4.3 Runs Test
Unstandardized Residual Test Valuea
-93946534.88057 Cases Test Value
18 Cases = Test Value
18 Total Cases
36 Number of Runs
12 Z
-2.198 Asymp. Sig. 2-tailed
.028 a Median
sumber : pengolahan data dengan SPSS versi 12.00
Tabel 4.3 dapat dilihat bahwa nilai test adalah -93946534.88057 dengan probabilitas 0.004 signifikan pada 0.05 yang berarti hipotesis nol diterima.
Universitas Sumatera Utara
Sehingga dapat disimpulkan bahwa residual tidak random atau tidak terjadi autokorelasi antara nilai residual jadi memenuhi syarat model regresi.
4.
Uji Multikolinieritas
Uji ini bertujuan untuk menguji apakah didalam model regresi linier ditemukan adanya korelasi yang tinggi di antara variable bebas. Untuk menguji
variable yang terkena multikol atau tidak maka nilai Variance inflation factor VIF tidak boleh lebih besar dari 10 dan nilai tolerance tidak boleh lebih kecil
dari 0,1. Tabel 4.4
Multikolinieritas
Coefficientsa
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 10529373767.391
1334689405.939 7.889
.000 Bagihasil
-873741219.144 144842302.297
-.712 -6.032
.000 .984
1.016 Inflasi
214083940.953 189019558.217
.134 1.133
.266 .984
1.016
a Dependent Variable: Tabungan sumber : pengolahan data dengan SPSS versi 12.00
Berdasarkan tabel 4.4 dapat dilihat bahwa nilai tolerance 0,1 dan VIF10, selengkapnya sebagai berikut :
1. Nilai tolerance bagi hasil 0,984 atau 0,1 dan nilai VIF 1,016 atau
10, artinya tidak terkena multikol. 2.
Nilai tolerance inflasi 0,984 atau 0,1 dan nilai VIF 1,016 atau 10, artinya tidak terkena multikol.
C. Metode Analisis Regresi Linier Berganda
