Tabel.IV.9 Hasil Uji Linieritas
No Variabel
Sig.Deviation from
Linearity Kesimpulan
1 Status
Sosial Ekonomi
Anggota 0.342
Linier, karena nilai
signifikansi 0.342 0.05
2 Layanan Prima 0.150
Linier, karena nilai
signifikansi 0.150 0.05
3 Lama
Bergabung 0.742
Linier, karena nilai
signifikansi 0.742 0.05
Pada tabel ANOVA diketahui nilai signifikansi Deviation from Linearity pada variabel status sosial ekonomi sebesar 0,342. Apabila
dibandingkan dengan signifikansi 0,05 maka dapat disimpulkan bahwa antara variabel status ekonomi anggota dengan partisipasi anggota
dinyatakan linier. Pada veriabel layanan prima diketahui bahwa nilai signifikansi
Deviation from linearity sebesar 0,150. Apabila dibandingkan dengan signifikansi 0.05 maka dapat disimpulkan bahwa hubungan antara
variabel layanan prima dengan partisipasi anggota dinyatakan linier. Begitu juga pada veriabel lama bergabung menjadi anggota, diketahui
bahwa nilai signifikansi Deviation from linearity sebesar 0,742. Apabila
dibandingkan dengan signifikansi 0,05, maka dapat disimpulkan bahwa hubungan antar variabel lama bergabung dengan partisipasi anggota
dinyatakan linier.
b. Pengujian Asumsi Klasik
1 Uji Multikolinieritas
Multikolinieritas merupakan suatu hubungan antara variabel bebas yang satu dengan yang lain. Dalam hal ini variabel tersebut disebut
variabel yang bersifat tidak orthogonal. Variabel yang tidak orthogonal tersebut merupakan variabel bebas yang korelasinya tidak sama dengan
nol. Untuk mendeteksi masalah multikorelasi dapat digunakan rumus korelasi. Adapun rumus korelasi sebagai berikut Sugiyono, 2010 :
Selanjutnya dengan program SPSS diadakan analisi colliniarity statistic
. Dari analisis colliniarity statistic akan diperoleh VIF Variance Infaltion Factor
. Dasar analisis yang digunakan yaitu jika tolerance labih dari 0,1 dan VIF kurang dari 5 maka tidak terjadi masalah
multikorelaritas.
Tabel.IV.10 Hasil Uji Multikolinieritas
Sumber :data diolah,2013 Berdasarkan output di atas, dapat diketahui bahwa nilai tolerance dari
ketiga variabel yaitu : status sosial ekonomi anggota 0,916, layanan prima 0,911, dan lama bergabung 0,989 lebih besar dari 0,1. Sedangkan
VIF dari ketiga variabel yaitu : status sosial ekonomi anggota 1,092, layanan prima 1.098, dan lama bergabung 1,011. Maka dapat dikatakan
nilai VIF 5 sehingga dapat disimpulkan bahwa dalam model regresi tidak terjadi masalah multikolinieritas.
2 Uji Heteroskedastisitas
Heteroskedastisitas adalah suatu keadaan dimana varians dari kesalahan pengganggu tidak konstan untuk suatu variabel bebas. Untuk
mendeteksi tidak adanya masalah heteroskedastisitas digunakan uji Glejeser dengan cara meregresikan antara variabel independen dengan
nilai absolud residualnya. Jika signifikansi antara varisbel independen dengan nilai absolud residualnya 0,05 maka tidak teradi mesalah
heteroskedastisitas, tapi
jika 0,05
maka terjadi
masalah heteroskadastisitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Status_Sosial_Ekonomi
.916 1.092
Layanan_Prima .911
1.098 Lama_Bergabung
.989 1.011
a. Dependent Variable: Partisipasi
Tabel.IV.11 Hasil Uji Heteroskedastisitas
Berdasakan tabel di atas, signifikansi dari ketiga variabel yaitu : status sosial ekonomi 0.669, layanan prima 0,405 dan lama bergabung
menjadi anggota 0,795. Oleh karena itu dapat dikatakan bahwa nilai signifikasi 0.05 sehingga dapat disimpulkan bahwa dalam model regresi
tidak terjadi masalah heteroskedastisidas.
3 Uji Autokorelasi
Autokorelasi adalah suatu keadaan dimana kesalahan pengguna dari satu observasi terhadap observasi selanjutnya yang berurutan tidak
berpengaruh atau tidak terjadi korelasi. Untuk mendeteksi ada tidaknya masalah atokorelasi dapat digunakan uji Durin Watson dengan rumus :
Coefficients
a
Model Unstandardize
d Coefficients Standardiz
ed Coefficients
T Sig.
B Std.
Error Beta
1 Constant 3,150 1,814
1,73 6
,084 Status
Sosial Ekonomi
-,017 ,041
-,034 -,428 ,669
Lama Bergabung ,041
,158 ,020 ,260
,795
Layanan Prima -,032
,039 -,066 -,834
,405
a. Dependent Variable: AbsRes
