Pengujian Asumsi Uji Homoskedastisitas Asumsi ini pada dasarnya menyatakan bahwa nilai-nilai Y variabel Uji Multikolinearitas

VII ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKTIVITAS KERJA BURUH PENGOLAHAN

7.1 Pengujian Asumsi

a. Uji Homoskedastisitas Asumsi ini pada dasarnya menyatakan bahwa nilai-nilai Y variabel

dependen bervariasi dalam satuan yang sama, baik untuk error term yang tinggi maupun error term yang rendah. Salah satu cara yang dapat digunakan untuk menguji asumsi ini yaitu dengan membuat plot antara standardized residual dengan Y. Asumsi homoskedastisitas dapat dikatakan terpenuhi jika dalam analisis plot, variabel tidak menggambarkan suatu pola tertentu. 125 115 105 3 2 1 -1 -2 Fitted Value S ta n d a rd iz e d R e si d u a l Residuals Versus the Fitted Values response is Y Gambar 2. Plot antara Standardized Residual dengan Y Berdasarkan Gambar 2, dapat dilihat bahwa error term tersebar, ada yang berada di bawah nol dan ada yang berada di atas nol. Selain itu error term tidak menggambarkan suatu pola tertentu, karena itu dapat disimpulkan bahwa error term tidak menampakkan suatu perbedaan yang nyata dalam variasi standardized residual untuk Y yang berbeda-beda, atau asumsi homoskedastisitas bisa terpenuhi. Sehingga dapat dikatakan, setiap nilai Y produktivitas kerja yang dihasilkan oleh setiap buruh pengolahan bervariasi, dan dipengaruhi oleh setiap variabel bebas yang bernilai tinggi maupun rendah.

b. Uji Multikolinearitas

Satu dari asumsi model linear adalah tidak adanya multikolinearitas di antara variabel-variabel yang menjelaskan yaitu diantara variabel X. Multikolinearitas berhubungan dengan situasi dimana ada hubungan linear yang baik , yang pasti atau mendekati pasti di antara variabel X Gujarati, 1991. Untuk melihat ada atau tidaknya suatu multikolinearitas pada suatu regresi dapat dilihat dari hasil Variance Inflation Factors VIF Lampiran 3 pada masing-masing peubah bebas. Jika nilai VIF kurang dari 10 menunjukkan bahwa persamaan tersebut tidak mengalami multikolinearitas. Berdasarkan analisis nilai VIF, dalam model regresi tidak terdapat multikolinearitas, hal ini dapat dilihat dari nilai VIF yang kurang dari 10 sehingga dapat dikatakan bahwa model sudah memenuhi asumsi. Atau dengan kata lain, tidak terdapat hubungan antara satu variabel bebas dengan variabel bebas lainnya, sehingga variabel bebas tersebut dapat menjelaskan atau mempengaruhi variabel tak bebas Y.

7.2 Hasil Analisis Regresi