atau sama dengan 10 atau nilai Tol Tolarance lebih besar atau sama dengan 0,10 maka tidak terjadi multikolinearitas. Menurut Ghozali 2011:105 model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas Berdasarkan data yang telah diperoleh dan telah diolah dengan
menggunakan bantuan IBM SPSS Statistics 19 diperoleh hasil uji multikolinearitas sebagai berikut:
Tabel 4.22 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
Constant cara_belajar
lingk_keluarga sumb_belajar
,712 1,404
,834 1,198
,686 1,458
Sumber: data diolah, 2013 pada lampiran 22 Tabel 4.22 menunjukan bahwa tidak terjadi multikolinearitas antar
variabel bebas pada model regresi. Hal ini ditunjukan dengan nilai VIF yang tidak melebihi 10 dan Tol Tolarance lebih besar dari 0,10.
4.1.3.2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui dan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residu satu pengamatan ke
pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut
heteroskedastisitas Ghozali 2011:139. Ada beberbagai cara untuk mendeteksi heteroskedastisitas misalnya dengan melihat grafik plots atau dengan
menggunakan uji statistik. Namun analisis dengan menggunakan grafik plots
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant cara_belajar
lingk_keluarga sumb_belajar
,562 1,893
,297 ,767
-,012 ,046
-,032 -,259
,796 ,002
,025 ,010
,084 ,933
,055 ,044
,156 1,238
,219
mempunyai kelemahan yang cukup signifikan, yaitu semakin sedikit jumlah pengamatan, semakin sulit menginterpretasikan hasil grafik plots. Oleh karena itu,
dalam penelitian ini, uji heteroskedastisitas dilakukan dengan uji statistik yang lebih dapat menjamin keakuratan hasil. Uji heteroskedastisitas dalam penelitian
ini dilakukan dengan menggunakan Uji Park. Apabila koefisien parameter beta dari persamaan persamaan regresi tersebut signifikan secara statistik, hal ini
menunjukan bahwa dalam data model empiris yang diestimasi terdapat heteroskedastisitas dan sebaliknya jika parameter beta tidak signifikan secara
statistik, maka asumsi homoskedastisitas pada data model tersebut tidak dapat ditolak Ghozali 2011:142.
Berdasarkan data yang telah diperoleh dan telah diolah dengan menggunakan bantuan
IBM SPSS Statistics 19 diperoleh hasil uji
heteroskedastisitas sebagai berikut:
Tabel 4.23 Hasil Uji Heteroskedastisitas
Coefficients
a
a. Dependent Variable: LnU2i
Sumber: data diolah, 2013 pada lmpiran 22 Tabel 4.23 menunjukan bahwa koefisien parameter untuk variabel
independen yaitu variabel cara belajar, lingkunga keluarga, dan pemanfaatan
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant cara_belajar
lingk_keluarga sumb_belajar
44,596 4,787
9,315 ,000
,256 ,116
,221 2,214
,029 ,126
,063 ,184
1,994 ,049
,390 ,112
,354 3,481
,001
sumber belajar tidak ada yang signifikan., maka dapat disimpulkan bahwa asumsi homoskedastisitas pada data model tidak dapat ditolak atau terbebas dari
hetoskedastisitas.
4.1.4. Analisis Regresi Berganda