a. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. b. Titit-titik data tidak mengumpul hanya di atas atau di bawah saja.
c. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
d. Penyebaran titik-titik data sebaiknya tidak berpola.
Maka dapat disimpulkan bahwa model regresi linier berganda terbebas dari asumsi klasik heteroskedastisitas dan layak digunakan dalam penelitian.
3. Uji Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu ei pada periode tertentu dengan
variabel penganggu periode sebelumnya ei
t-1
. Cara menguji autokorelasi adalah dengan melihat model regresi linier berganda terbebas dari autokorelasi apabila
nilai Durbin Watson berada dibawah angka 2.
Dari output SPSS diperoleh nilai Durbin Watson sebesar 1,760, dengan kata lain nilai DW berada dibawah angka 2 maka pada data tersebut tidak terjadi
autokorelasi.
Tabel 4.6. Uji Autokorelasi
4. Uji Multikolinearitas
Uji Multikolinearitas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki hubungan dengan variabel independen lain dalam
suatu model. Ketentuan untuk mendeteksi ada tidaknya multikolinearitas yaitu : a. Jika nilai variance inflation factor VIF tidak lebih dari 10 dan nilai
tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas. VIF = 1Tolerance, jika VIF = 0 maka tolerance = 110 =
0,1. Semakin tinggi VIF maka semakin rendah tolerance. b. Jika nilai koefisien korelasi antar masing-masing variabel independen kurang
dari 0,70 maka model dapat dinyatakan bebas dari asumsi klasik multikolinearitas. Jika lebih dari 0,70 maka diasumsikan terjadi korelasi yang
sangat kuat antar variabel independen sehingga terjadi multikolinearitas.
Tabel 4.7. Uji Multikolinearitas
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .843
a
.711
.694 223095.51643 1.760
a. Predictors: Constant, X5, X2, X3, X4, X1 b. Dependent Variable: K
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .843
a
.711 .694
223095.51643 1.760
a. Predictors: Constant, X5, X2, X3, X4, X1 b. Dependent Variable: K
Tabel 4.8. Uji F. Statistik
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
1.051E13 5
2.102E12 42.233
.000
a
Residual 4.280E12
86 4.977E10
Total 1.479E13
91 a. Predictors: Constant, X5, X2, X3, X4, X1
b. Dependent Variable: K
Tabel 4.9. Uji Parsial
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 463537.717
335933.800 1.380
.171 X1
.437 .083
.570 5.285
.000 .290
3.453 X2
28244.877 15467.245
.109 1.826
.071 .938
1.066 X3
16981.539 24047.416
.047 .706
.482 .771
1.298 X4
.033 1.393
.002 .024
.981 .371
2.696 X5
.110 .021
.393 5.236
.000 .597
1.674 a. Dependent Variable: K
K = 463537,717 + 0,437 X1 + 28244,877 X2 + 16981,539 X3 + 0,033 X4 + 0,110 X5
R
2
= 0,843
R² koefisien determinasi bertujuan untuk mengetahui kekuatan variabel bebas independent variable menjelaskan variabel terikat dependent variabel.
Berdasarkan hasil estimasi di atas dapat menunjukan bahwa R
2
= 0.843 yang bermakna bahwa variasi variabel independen pendapatan, umur, gaya hidup, izin
keimigrasian dan tabungan mampu menjelaskan variabel dependen konsumsi sebesar 84,3 persen dan sisanya sebesar 15,7 persen dijelaskan oleh variabel lain
yang tidak dimasukkan dalam modal estimasi.
Uji F-statistik ini dilakukan untuk mengetahui apakah variabel pendapatan, umur, gaya hidup, izin keimigrasian dan tabungan mampu secara
bersama-sama mempengaruhi jumlah konsumsi. Berdasarkan perhitungan di atas dapat diketahui bahwa nilai probabilitas dari F-statistik 0.000
α 0.05, sementara itu nilai F-hitung 42,233 F-tabel 2.37. Artinya variabel
pendapatan, umur, gaya hidup, izin keimigrasian dan tabungan secara serempak berpengaruh signifikan terhadap konsumsi pada tingkat kepercayaan 95 dan
99
α = 5 dan 1.
Uji parsial t-test, dimaksudkan untuk mengetahui signifikansi statistik koefisien regresi secara parsial. Sebagaimana yang telah dirumuskan pada bab
sebelumnya, bahwa pengujian secara parsial dilakukan dengan membandingkan nilai t-hitung dengan nilai t-tabel. Selain itu juga dilihat berdasarkan nilai
signifikansi sig pada hasil estimasi. Berikut uji parsial t-test untuk setiap variabel yaitu :
1. Pengaruh pendapatan X1 terhadap konsumsi Y
