dibawah tingkat kepercayaan 95. Dari hasil Collinearity Statistics dan Covariance Matrix dapat disimpulkan bahwa tidak ada multikolonieritas antarvariabel
independen dalam model regresi.
5.2.3. Uji Heteroskedastisitas
Uji heteroskedastisitas pada penelitian ini bertujuan menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas.
Grafik scatterplots pada Gambar 5.3 menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y dan
tidak membentuk pola tertentu yang teratur, yang mengindikasikan tidak terjadi heteroskedastisitas.
Sumber: Lampiran 6. Gambar 5.3. Scatterplot
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
Tabel 5.10. Uji Park
Coefficients
a
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig.
Constant 43.220
19.533 2.213
.031 LnPAD
.365 .605
.154 .603
.549 LnDBH
1.454 .922
.481 1.577
.120 1
LnDAU -1.448
1.295 -.305
-1.118 .268
a. Dependent Variable: LnRES_Square
Sumber: Lampiran 10. Hasil uji park menunjukkan bahwa koefisien beta variabel indepeden pada
persamaan regresi tidak signifikan secara statistik pLnPAD = 0.549 á = 0.05, pLnDBH = 0.120 á = 0.05, pLnDAU = 0.268 á = 0.05 maka asumsi
homoskedastisitas pada data model regresi tidak dapat ditolak. Dari grafik scatterplot dan uji park dapat disimpulkan bahwa pada model regresi tidak terjadi
heteroskedastisitas.
5.2.4. Uji Autokorelasi
Uji autokorelasi pada penelitian ini bertujuan menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Hipotesis:
H : Tidak ada autokorelasi positif atau negatif
Ha : Ada auto korelasi positif atau negatif Kriteria:
1. Tolak Ha, terima H
jika du dw 4 – du
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
2. Tolak H
0,
terima Ha jika bukan du dw 4 – du Model penelitian ini sebagaimana diuraikan dalam Bab IV – Metode Penelitian, pada
Perumusan Model adalah sebagai berikut: BD = â
+ â
1
PAD + â
2
DBH + â
3
DAU +
å
.
Setelah dilakukan uji statistik terhadap model sebagaimana Tabel 5.7, diperoleh nilai Durbin Watson sebesar 1.326 yang menyatakan adanya autokorelasi:
du = 1.689 dw = 1.326 4 – du = 2.311. Untuk n = 60, k = 3, dan á = 0.05, nilai tabel kritis Durbin-Watson: dl = 1.480 dan du = 1.689.
Tabel 5.11. Uji Statistik Durbin-Waston 1
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .985
a
.970 .968
5.460E10 1.326
a. Predictors: Constant, DAU, PAD, DBH b. Dependent Variable: BD
Observasi terhadap Z
score
variabel dependen maupun variabel independen, diperoleh data Kota Medan memiliki nilai ekstrim outlier 2.21 sampai dengan 4.89
jauh di atas Z
tabel
= 1.96.
Tabel 5.12. Uji Statistik Durbin-Watson 2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .978
a
.957 .954
4.915E10 .876
a. Predictors: Constant, DAU, DBH, PAD b. Dependent Variable: BD
Setelah data Kota Medan dikeluarkan dari sampel penelitian n = 57 dan dilakukan uji statistik diperoleh nilai Durbin Watson 0.876, bahkan lebih rendah dari
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
nilai sebelumnya yang menunjukkan juga terjadi autokorelasi du = 1.689 dw = 0.876 4 – du = 2.311.
Pada penelitian ini untuk mengatasi terjadinya autokorelasi, semua variabel independen pada model regresi ditransformasi dalam bentuk logaritma natural dan
variabel dependen dalam bentuk linier, sehingga model regresi sebagai berikut: BD = â
+ â
1
LnPAD + â
2
LnDBH + â
3
LnDAU +
å
Menurut Ghozali 2009: 159, setelah dilakukan semua uji asumsi klasik terhadap model, akan tetapi salah satu dari asumsi tidak terpenuhi, dapat dilakukan
dengan mentransformasi variabel dependen dan independen menjadi bentuk logaritma natural, antara lain dengan mengubah persamaan regresi menjadi semilog.
Semilog yaitu variabel dependen dalam bentuk log dan independennya linier, atau semua variabel independen dalam bentuk log dan dependennya linier. Apabila
hasilnya juga masih tidak normal, maka mengubah persamaan regresi dalam bentuk double log, yaitu variabel dependen dan independen dalam bentuk logaritma natural.
Ghozali 2009: 191 juga menjelaskan, Lin-Log Model adalah model regresi yang variabel independen dalam bentuk logaritma dan variabel dependen dalam bentuk
linier. Setelah dilakukan uji autokorelasi, diperoleh nilai Durbin Watson 1.848 yang
menyatakan du = 1.689 dw = 1.848 4 – du = 2.311. Dari uji statistik ini dapat disimpulkan terima H
: tidak ada autokorelasi positif atau negatif pada model regresi.
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
Tabel 5.13. Uji Statistik Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .964
a
.929 .925
8.399E10 1.848
a. Predictors: Constant, LnDAU, LnPAD, LnDBH b. Dependent Variable: BD
Sumber: Lampiran 6.
5.3. Uji Hipotesis
