commit to user
X5 -.018 -.008 -.010 -.003
.031 -.004 X4
.000 -.010 .001 -.003
-.004 .022
a. Dependent Variable: Y
Sumber : Data primer diolah, 2010.
Berdasarkan tabel 15 dapat diketahui bahwa koefisien korelasi antar variabel bebas dibawah 0,5. Dengan demikian dapat dikatakan
tidak ada korelasi antar variabel bebas. Dengan demikian tidak terdapat masalah multikolinearitas, sehingga regresi yang dihasilkan baik.
4. Autokorelasi
Hasil analisis Durbin-Watson test dapat diperoleh hasil sebagai berikut: Tabel I6. Hasil Uji Durbin Watson Test
Model Summary
Model R
R Square Adjusted
R Square
Std. Error of the Estimate
Durbin- Watson
1 0,744
0,554 0,525
1,99974 1,975
Sumber : Data primer diolah, 2010.
Dari hasil tersebut dapat diketahui bahwa nilai D-W adalah 1,975 dan terletak di antara
–2 sampai +2 berarti tidak ada autokorelasi.
5. Heterokedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambar dalam spesifikasi model regresi atau jika nilai residu tidak memiliki
variansi yang konstan. Jika variansi dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedasitas dan jika variansi dari residual satu
pengamatan ke pengamatan lain berbeda disebut heterokedastisitas. Menurut Duwi Priyatno 2008 untuk mengetahui terjadinya heteroskedastisitas yaitu
dengan: a
Uji koefisien korelas i Spearman’s rho
Pengujian menggunakan tingkat signifikasi 0,05 dengan uji 2 sisi. Apabila korelasi antar variabel independen dengan residual
commit to user memberikan signifikasi lebih dari 0,05 maka dapat dikatakan bahwa
tidak terjadi masalah heteroskedastisitas. Tabel I7. Hasil Uji Heteroskedastisitas
Correlations
Unstandar dized
Residual X1
X2 X3
X4 X5
X6 Spearmans rho
Unstandardiz ed Residual
Correlation Coefficient
1.000 -.029 -.036 .002
.002 -.019 -.009 Sig. 2-tailed
. .777
.720 .988
.982 .853
.929 N
100 100
100 100
100 100
100 X1
Correlation Coefficient
-.029 1.00
.213 .102
.401 .268
-.043 Sig. 2-tailed
.777 .
.034 .315
.000 .007
.674 N
100 100
100 100
100 100
100 X2
Correlation Coefficient
-.036 .213
1.00 .110
.192 .064 -.009
Sig. 2-tailed .720
.034 .
.277 .056
.524 .930
N 100
100 100
100 100
100 100
X3 Correlation
Coefficient .002
.102 .110
1.00 .069
.229 -.033
Sig. 2-tailed .988
.315 .277
. .498
.022 .747
N 100
100 100
100 100
100 100
X4 Correlation
Coefficient .002
.401 .192
.069 1.00
.092 .009
Sig. 2-tailed .982
.000 .056
.498 .
.364 .930
N 100
100 100
100 100
100 100
X5 Correlation
Coefficient -.019
.268 .064
.229 .092
1.00 .320
Sig. 2-tailed .853
.007 .524
.022 .364
. .001
N 100
100 100
100 100
100 100
X6 Correlation
Coefficient -.009 -.043 -.009 -.033
.009 .320
1.00 Sig. 2-tailed
.929 .674
.930 .747
.930 .001
. N
100 100
100 100
100 100
100 . Correlation is significant at the 0.05 level 2-tailed.
. Correlation is significant at the 0.01 level 2-tailed.
Sumber : Data primer diolah, 2010
commit to user Dari hasil output di atas dapat diketahui bahwa korelasi antar
variabel X
1
, X
2
, X
3
, X
4
, X
5
, dan X
6
dengan Unstandardized Residual memiliki nilai signifikasi lebih dari 0,05, maka dapat
disimpulkan bahwa tidak terjadi masalah heteroskedastisitas dalam model regresi.
b Melihat ada tidaknya pola tertentu pada
scatterplot
yang menunjukkan hubungan antara
Regression Studentised Residual
dengan
Regression Standardized Predicted Value
yaitu sebagai berikut :
-4 -3
-2 -1
1 2
Regression Standardized Predicted Value
-4 -2
2 4
Regressi on S
tud enti
ze d R
esidu al
Dependent Variable: Y Scatterplot
Gambar 12. Grafik
Scatterplot
Diagram Pencar
Sumber : Data primer diolah, 2010. Scatterplot
pada gambar 12 tidak ada pola yang jelas, serta titik- titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, maka
diindikasikan tidak terdapat masalah heteroskedastisitas, sehingga regresi yang dihasilkan baik.
commit to user
C. Pengujian Hipotesis