B. Uji Asumsi klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala
heteroskedastisitas, gejala multikolinearitas, Model regresi akan dapat dijadikan alat estimasi yang tidak bisa jika telah memenuhi persyaratan BLUE
best linear unbiased estimator yakni tidak terdapat heteroskedastistas, tidak terdapat multikolinearitas, Jika terdapat heteroskedastisitas, maka varian tidak
konstan sehingga dapat menyebabkan standar error. Jika terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh
individual dari variabel, sehingga tingkat signifikansi koefisien regresi menjadi rendah. Oleh karena itu, uji asumsi klasik perlu dilakukan. Pengujian-
pengujian yang dilakukan adalah sebagai berikut.
1 Uji Multikolinearitas
a. Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana dua variabel independen atau lebih pada model regresi terjadi hubungan linier yang
sempurna atau mendekati sempurna Priyatno, 2010 : 62. Model regresi yang baik mensyaratkan tidak ada masalah multikolinearitas.
Untuk mendeteksi ada tidaknya multikolinearitas, dilakukan dengan melihat nilai tolerance dan VIF. Dasar analisis yang digunakan yaitu
jika tolerance lebih dari 0,1 dan VIF kurang dari 10 maka tidak terjadi masalah multikolinearitas
Tabel V.10 Hasil Uji Multikolinearitas
Mo del
Unstandardized Coefficients
Standa rdized
Coeffi cients
t Sig.
Collinearity Statistics
B Std.
Error Beta
Toler ance VIF
1 Const Ling_Fisik
-18,902 3,557 -5,314 ,000
,424 ,102
,425 4,153
,000 ,479
2,086 Tingk_Pend
,333 ,343
,071 ,970
,336 ,934
1,071 Pemb _Kom
,350 ,073
,477 4,779
,000 ,503
1,987
a Dependent Variable: Produktivitas Sumber : data diolah, 2012
Berdasarkan output diatas, dapat diketahui bahwa nilai tolerance dari ketiga variabel lingkungan fisik 0,479, Tingkat
Pendidikan 0,934 dan Kompensasi 0,503 lebih besar dari 0,1 sedangkan nilai VIF Lingkungan Fisik 2,086 Tingkat pendidikan 1,071
dan kompensasi 1,987 ketiga nilai VIF 10 maka dapat disimpulkan bahwa dalam model regresi tidak terjadi masalah multikolinearitas.