Gambar 5.2. Normal P-P Plot Residual Model Pertama
Pada scatter plot terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal.
5.1.3. Pengujian Asumsi Klasik
Pengujian asumsi klasik merupakan persyaratan yang harus dipenuhi pada analisis regresi linier berganda yang berbasis Ordinary Least Square OLS yang
merupakan metode untuk mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah kuadrat kesalahan. Adapun pengujian asumsi klasik yang
dilakukan dalam penelitian antara lain uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.
5.1.3.1. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk melihat ada atau tidaknya korelasi
yang
Universitas Sumatera Utara
tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara
variabel bebas terhadap variabel terikatnya menjadi terganggu atau dinamakan terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen
antara yang satu dengan yang lainnya. Dalam hal ini disebut variabel – variabel bebas ini ortogonal. Variabel – variabel bebas yang bersifat ortogonal adalah variabel
bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelasi sempurna di antara sesama variabel bebas, maka konsekuensinya adalah :
Koefisien regresi menjadi tidak dapat ditaksir dan nilai standar error setiap koefisien regresi menjadi tak terhingga Erlina, 2008.
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance
≤ 0,10 atau sama dengan nilai VIF ≥ 10. Misal nilai tolerance =0,10 sama dengan tingkat kolinearitas 0,95 Ghozali, 2006. Berikut adalah tabel
pengujian tolerance dan VIF
Universitas Sumatera Utara
Tabel 5.3. Hasil Pengujian Tolerance dan VIF
Model Collinearity Statistics
Tolerance VIF
1 Constant
X1 .692
1.445 X2
.825 1.212
X3 .874
1.144 Mod_EG
.920 1.087
a. Dependent Variable: Y
Berdasarkan tabel 5.3 diatas tidak ada variabel yang memiliki nilai tolerance ≤ 0,10 maupun nilai variance inflation factor VIF ≥ 10. Jadi dapat disimpulkan
bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
5.1.3.2. Pengujian Heteroskedastisitas
Pengujian heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2006.
Suatu model dikatakan terdapat gejala heteroskedastisitas jika koefisien parameter beta dari persamaan regresi tersebut signifikan secara statistik atau dengan
kata lain jika variabel independen signifikan secara statistik mempengaruhi variabel
Universitas Sumatera Utara
dependen, maka ada indikasi terjadi heteroskedastisitas. Sebaliknya jika parameter beta tidak signifikan secara statistik, hal ini menunjukkan bahwa data model empiris
yang diestimasi tidak terdapat heteroskedastisitas. Pada penelitian ini pengujian heteroskedastisitas menggunakan Uji Glejser. Berikut adalah tabel hasil uji
heteroskedastisitas
Tabel 5.4. Hasil Uji Heteroskedastisitas
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .253
.155 1.638
.113 X1
-.186 .293
-.141 -.636
.530 X2
.000 .000
-.099 -.491
.628 X3
-2.849E-12 .000
-.092 -.467
.644 X4
.082 .069
.228 1.189
.245 a. Dependent Variable: absut
Dari tabel 5.4 diatas menunjukkan hasil pengujian heteroskedastisitas yaitu tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi
variabel dependen. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 0,05. Kesimpulannya bahwa model regresi tidak mengandung adanya
heteroskedastisitas.
5.1.3.3. Pengujian Autokorelasi
