66
Sedangkan uji linieritas hubungan antara self efficacy dengan toleransi terhadap stres diperoleh Sig. pada kolom Linierity sebesar 0,000 0,000 0,05. Untuk
lebih jelasnya dapat dilihat pada tabel 13 di bawah ini.
Tabel 13. Uji Linieritas
Variabel Sig. pada kolom
Linierity Keterangan
Toleransi terhadap stres dengan adversity quotient
0,000 0,000 0,05 linier
Toleransi terhadap stres dengan self efficacy
0,000 0,000 0,05 linier
Berdasarkan tabel di atas diketahui bahwa hubungan antara masing- masing variabel bebas dengan variabel tergantung bersifat linier. Hasil uji
linieritas selengkapnya dapat dilihat pada lampiran.
2. Uji Asumsi Klasik
a. Uji Multikolinearitas Uji multikolinearitas digunakan untuk mengetahui ada atau tidak
penyimpangan asumsi klasik multikolinearitas, yaitu adanya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi
dalam model regresi adalah tidak adanya multikolineritas. Metode pengujian yang digunakan adalah melihat nilai inflation factor VIF pada model regresi, jika VIF
lebih besar dari lima, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya Priyatno, 2008.
Hasil uji Variance Inflation Factor VIF pada hasil output SPSS tabel coefficients, tiap-tiap variabel memiliki VIF sebesar 2,330 diartikan bahwa 2,330
67
lebih kecil dari lima, sehingga diduga bahwa antarvariabel independen tidak terjadi persoalan multikolineartas. Hasil uji multikolinearitas selengkapnya dapat
dilihat pada lampiran. b. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk mengetahui ada atau tidak penyimpangan asumsi klasik heteroskedastisitas, yaitu adanya ketidaksamaan
varian dari residual untuk semua pengamatan pada model regresi. Prasyaratan yang harus terpenuhi dalam model regresi adalah tidak adanya gejala
heteroskedastisitas Priyatno,2008. Menurut Nugroho 2005 cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat pada pola gambar
Scatterplott yang menyatakan bahwa model tersebut tidak terdapat gejala heteroskedastisitas, jika:
1 Titik-titik data menyebar di atas dan di bawah atau di sekitar angka nol. 2 Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
3 Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4 Penyebaran titik-titik data tidak berpola Dari hasil analisis pola gambar Scatterplott pada lampiran dapat dilihat
bahwa pola gambar tersebut tidak menunjukkan adanya gejala heteroskedastisitas sehingga model dalam penelitian ini terbebas dari heteroskedastisitas.
68
c. Uji Autokorelasi Uji Autokorelasi digunakan untuk mengetahui ada atau tidak
penyimpangan asumsi klasik autokorelasi, yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi.
Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi Priyatno, 2008. Metode pengujian yang digunakan adalah Uji Durbin-
Watson uji DW. Ada tidaknya autokorelasi dalam suatu model dapat digunakan patokan nilai Durbin Watson hitung mendekati angka 2. Jika nilai Durbin Watson
hitung mendekati atau di sekitar angka 2 maka model tersebut terbebas dari asumsi klasik autokorelasi, karena angka 2 pada uji Durbin Watson terletak di
daerah No Autocorrelation. Hasil analisis menunjukkan nilai Durbin-Watson sebesar 1,993 dan hasil
tersebut disimpulkan bahwa model ini tersebas dari autokorelasi. Untuk lebih jelasnya dapat dilihat pada gambar 2 berikut ini:
negatif No autocorelation positif
autocorelation autocorelation
dl du
2 4-du
4-dl 4
1,993 nilai hitung Durbin Watson Gambar 2.
Pengujian autokorelasi
69
Hasil analisis diperoleh nilai Durbin-Watson sebesar 1,993 sehingga terletak di daerah No autocorrelation sehingga model ini terbebas dari
autokorelasi.
3. Uji Hipotesis
