periode t dan periode t-1 periode sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Padapenelitian ini
pendekatan yang digunakan dengan menggunakan teknik Durbin- Watson DW test Ghozali, 2011: 110.
Pada tabel hasil uji autokorelasi, nilai Durbin-Watson adalah 1,971 Hal ini menunjukkan bahwa nilai DW 1.971berada ditengah batas
atas 1,826 dan batas bawah du 2,727, maka dapat disimpulkan bahwa tidak terdapat autokorelasi.
d. Uji Multikolinearitas
Tabel 4.19 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Toler ance VIF
1Constant -.646
.290 -
2.224 .029
X1 .214
.072 .223 2.989
.004 .590 1.695 X2
.142 .056
.153 2.519 .014 .886 1.128
X3 .140
.062 .169 2.254
.027 .582 1.717 X4
.144 .064
.159 2.240 .027 .653 1.532
X5 .203
.067 .224 3.027
.003 .598 1.671 X6
.170 .081
.136 2.109 .038 .791 1.264
X7 .188
.074 .174 2.543
.013 .697 1.436 a. Dependent Variable: Y
Multikolinearitas diartikan sebagai suatu keadaaan dimana satu atau lebih variable bebas dapat dinyatakan sebagai kombinasi kolinear dari
variable lainnya. Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak
ortogonal adalah variabel yang nilai antar sesama variabel bebas sama dengan nol Ghozali, 2011: 105.
Dengan melihat nilai tolerance dan inflation factor VIF pada model regresi. Dari output diatas dapat diketahui bahwa nilai tolerance ketujuh
variabel lebih dari 0,10 dan VIF kurang dari 10, maka dapat disimpulkan bahwa tidak terjadi multikolinieritas antar variabel bebas.
e. Uji Linearitas
Tabel 4.20 Hasill Uji Linearitas
Model Summary
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .065
a
.004 -.072
.27453355 a. Predictors: Constant, X72, X22, X42, X62, X32, X52,
X12
Uji linearitas digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Dengan uji linearitas akan
diperoleh informasi apakah model empiris sebaiknya linear, kuadrat atau kubik. Pengujian ini menggunakan pendekatan Dengan
menggunakan teknik
Lagrange Multiplier
bertujuan untuk
mendapatkan nilai c
2
hitung atau n x R
2
Ghozali, 2011: 166.