Heterokedastisitas Pengujian Persyaratan Analisis

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