116
untuk kedua variabel tidak ada variabel bebas yang memiliki nilai tolerance kurang dari 10 persen. Jadi hasil perhitungan nilai Variance Inflation Factor
VIF juga menunjukkan hal yang sama tidak ada satu variabel yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada
multikolinearitas antar variabel bebas dalam model regresi.
4.1.5.3. Uji Heteroskedastisitas
Pengujian ini bertujuan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual suatu pengamatan ke
pengamatan yang lain. Jika varians dari residual tersebut tetap, maka disebut homokedastisitas. Dan jika varians berbeda, disebut heterokedastisitas.
Untuk mendeteksi apakah variabel terjadi homokedastisitas atau heterokedastisitas dapat dilihat dengan melihat ada tidaknya pola tertentu
pada grafik scatterplot, dimana sumbu X adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi - Y sesungguhnya yang telah di
standardized. Dasar pengambilan keputusannya adalah sebagai berikut :
- Jika ada pola tertentu, seperti titik-titik point-point yang ada
membentuk suatu pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka telah terjadi Heteroskedastisitas.
- Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas
117
Dari hasil perhitungan menggunakan SPSS Ver. 11.5 periksa lampiran 4 dalam Scatterplot, dari diagram scatterplot menunjukkan bahwa
titik-titik yang menggambarkan data menyebar secara acak, tidak membentuk pola tertentu yang jelas, serta tersebar baik di atas maupun
dibawah angka 0 pada sumbu Y. hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak
dipakai. Untuk lebih jelasnya dapat dilihat pada gambar 4.3.
Scatterplot Dependent Variable: Kinerja Guru Y
Regression Standardized Residual
3 2
1 -1
-2 -3
Regression St andardized Predict
ed Value
3 2
1 -1
-2 -3
Sumber : Data primer yang diolah, 2007
Gambar 4.3 Diagram Heterokedastisitas 4.1.5.4.
Uji Autokorelasi
Uji autokorelasi dilakukan dengan uji mapping Durbin Watson DW. Dari regresi diperoleh angka DW sebesar 1,756 periksa lampiran 4 SPSS.
118
Dengan jumlah data n sama dengan 97 dan jumlah variabel k sama dengan 2 serta
α= 5 diperoleh angka d
L
= 1,62 dan d
U
= 1,71.
Autokorelasi negatif
Tanpa kesimpulan
Tidak terdapat autokorelasi
Tanpa kesimpulan
Autokorelasi positif
Gambar 4.4 Hasil Pengujian Durbin Watson
Karena d = 1,756 terletak antara 4 – dU dan dU maka model persamaan regresi yang diajukan tidak terdapat autokorelasi baik positif maupun
negatif.
4.1.6. Uji Hipotesis