63 Perhatikan bahwa berdasarkan Tabel 4.7, nilai VIF dari variabel konsep diri
adalah 1,341, dan nilai VIF dari variabel lingkungan keluarga adalah 1,341. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat
gejala multikolinearitas yang berat.
4.4.3 Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y,
dan ZPRED pada sumbu X. Jika titik-titik yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak
ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
1. Grafik Scatterplot
Sumber: Hasil Pengolahan SPSS, 2016
Gambar 4.3 Uji Heteroskedastisitas
Universitas Sumatera Utara
64 Perhatikan bahwa berdasarkan Gambar 4.3, tidak terdapat pola yang begitu
jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
2. Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolute residualnya, jika nilai signifikan antara variabel independen
dengan absolute residual 0,05 maka tidak terjadi masalah heteroskedastisitas.
Tabel 4.8 Uji Glejser
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.883
1.643 1.755
.084 Konsep Diri X1
.056 .048
.159 1.155
.252 Lingkungan Keluarga
X2 -.077
.048 -.220
-1.600 .114
a. Dependent Variable: abs_residual_Glejser
Sumber: Hasil Pengolahan SPSS, 2016 data diolah
Berdasarkan Tabel 4.8, diketahui nilai probabilitas atau Sig. dari konsep diri adalah 0,252 dan nilai probabilitas atau Sig. dari lingkungan keluarga adalah
0,114. Karena seluruh nilai Sig. lebih besar dari 0,05 tidak signifikan, maka disimpulkan bahwa tidak terjadi heteroskedastisitas Gujarati, 2003. Gio dan Elly,
2015:182-183. 4.5
Analisis Regresi Linier Berganda
Dari hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang
Best Linear Unibiased Estimator BLUE dan layak dilakukan analisis regresi.
Untuk menguji hipotesis, peneliti menggunakan analisis berganda.
Universitas Sumatera Utara
65 Berdasarkan hasil pengolahan data dengan SPSS, maka diperoleh hasil
sebagai berikut. a.
Persamaan Regresi Dalam pengolahan data dengan menggunakan regresi linier, dilakukan
beberapa tahapan untuk mencari hubungan antara variabel independen dan dependen, pengaruh Konsep Diri X
1
, Lingkungan Keluarga X
2
, Hasil regresi dapat dilihat pada Tabel 4.9 berikut ini:
Tabel 4.9 Hasil Analisis Linier Berganda
Model Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
5.107 2.713
1.883 .064 Konsep Diri X1
.418 .080
.467 5.223 .000 Lingkungan Keluarga X2
.375 .080
.422 4.717 .000
a. Dependent Variable: Minat berwira usaha
Sumber:Hasil Penelitian,2016 data diolah
Hasil pengolahan data seperti ditunjukkan pada table 4.9 menghasilkan persamaan linier berganda sebagai berikut :
Y = 5,107 + 0,418X1 + 0,375X2 + e Dimana :
Y = Minat Berwirausaha
X
1 =
Konsep Diri X
2
= Lingkungan Keluarga α
= Konstanta b1,b2
= Koefisien regresi e
= Standar eror Keterangan :
a. Konstanta sebesar 5,107, hasil dari nilai konstanta pada regresi diatas
adalah 5,107. Hal ini menunjukkan bahwa jika nilai variabel independen
Universitas Sumatera Utara
