Tabel 4.4. Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Correlations
Collinearity Statistics
B Std.
Error Beta
Zero- order
Partial Part Tolerance
VIF 1
Constant 38169,714 4003,102 9,535 ,000
KVA -2,607
,400 -,650
-6,512 ,000 -,650
-,650 -,650 1,000
1,000
a. Dependent Variable: NI
Sumber: Lampiran C.
Tabel diatas menunjukan nilai
Variance Inflation Factor
VIF sebesar 1,000 dan tolerance sebesar 1,000. Karena VIF10 dan toleransi 0,1,
kesimpulanya adalah tidak terjadi multikolinearitas.
4.3.3. Uji Heteroskedastisitas
Pengujian heteroskedastisitas bertujuan untuk menguji apakah persamaan model regresi yang digunakan terjadi ketidak samaan variance dari residual satu
pengamatan ke pengamatan lainya. Model regresi dikatakan baik jika tidak terjadi heteroskedatisitas. Untuk mengetahui apakah dalam persamaan model yang
digunakan terjadi heteroskedastisitas atau tidak dapat dilakukan dengan
uji Whete.
Jika variabel independen tidak signifikan secara statistik tidak mempengaruhi variabel dependen, maka ada indikasi tidak terjadi heteroskedastisitas. Berikut ini
adalah hasil uji heteroskedastisitas terhadap model regresi yang digunakan dalam penelitian ini.
Tabel 4.5. Tabel Hasil uji Heteroskedastisitas
Chi-Square Tests
Value df
Asymp. Sig. 2-sided
Pearson Chi-Square 3540,000
a
3481 ,239
Likelihood Ratio 491,321
3481 1,000
Linear-by-Linear Association
24,920 1
,000 N of Valid Cases
60 a. 3600 cells 100,0 have expected count less than 5.
The minimum expected count is ,02.
Sumber: Lampiran D
Tabel diatas menujukan bahwa
uji white
menghasilkan kesimpulan tidak ada masalah heteroskedastisitas dalam model yang digunakan. Hal ini terbukti
dari nilai signifikansi Chi-Square 0,239 lebih besar dari 0,05.
4.3.3. Uji Autokorelasi
Autokorelasi adalah hubungan yang terjadi antara anggota dari pengamatan yang tersusun dalam rangkaian waktu time series. Untuk
mendeteksi autokorelasi pada umumnya menggunakan uji
Durbin
–
Watson.
Uji ini pada dasarnya diladasi oleh model
error.
Tabel 4.6. Tabel Hasil Uji Autokorelasi
Sumber: Lampiran E.
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square
Change F Change df1
df2 Sig. F
Change 1
,650
a
,422 ,412
2427,88107 ,422
42,410 1
58 ,000
,254
a. Predictors: Constant, KVA b. Dependent Variable: NI
Dari tabel hasil pengujian diatas dapat dianalisis bahwa tidak terdapat autokorelasi positif, karena nilai
Durbin-Watson
lebih besar dari batas atas
upper bound.
Batas atas
upper bound
-1,806 DW 0,254. Kesimpulanya asumsi nonautokorelasi terpenuhi.
4.4. Pengujian Statistik Analisis Regresi
