62
sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Kesimpulan secara keseluruhan yang dapat diambil adalah bahwa nilai-
nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya.
4.2.2.2 Uji Multikolinieritas
Uji multikolinieritas pada penelitian ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen.
Menurut Ghozali, 2005:91 “model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebasnya”. Untuk menguji ada tidaknya
multikolinieritas dapat dilakukan dengan cara menggunakan variance inflation factor VIF dan nilai tolerance. Multikolinieritas terjadi jika VIF lebih dari 10
dan nilai tolerance lebih kecil dari 0,10. Berikut disajikan tabel hasil pengujian:
Tabel 4.3 Tabel Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
27.406 14.507
1.889 .062
SiLPA .426
.114 .269
3.725 .000
.995 1.005
PAD .771
.201 .373
3.831 .000
.549 1.822
DAU -.005
.055 -.014
-.093 .926
.231 4.337
DAK .450
.424 .178
1.061 .292
.184 5.434
DBH .833
.279 .383
2.981 .004
.315 3.173
a. Dependent Variable: BM
Universitas Sumatera Utara
63
Berdasarkan tabel diatas, nilai tolerance menunjukkan nilai yang lebih besar dari 0,10 yaitu untuk SiLPA adalah 0,995, variabel PAD adalah 0,549,
variabel DAU adalah 0,231, variabel DAK adalah 0,184, dan variabel DBH adalah 0,0,315. Sementara itu, seluruh variabel independen yang digunakan dalam
penelitian ini yaitu SiLPA, PAD, DAU, DAK, dan DBH memiliki angka variance inflaction factor VIF lebih kecil dari 10, SiLPA memiliki angka VIF 1,005, PAD
memiliki angka VIF 1,882, DAU memiliki angka VIF 4,337, DAK memiliki angka VIF 5,434, dan DBH memiliki angka VIF 3,173. Dengan demikian dapat
disimpulkan tidak terjadi gejala multikolinieritas dalam variabel independennya sehingga analisis lebih lanjut dilakukan dengan model regresi berganda.
4.2.2.3 Uji Heterokedastisitas
Uji heterokedastisitas ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas Erlina, 2008: 106. Heteroskedastisitas adalah keadaan dimana
terjadi ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Uji heteroskedastisitas digunakan untuk mengetahaui ada atau tidaknya
ketidaksamaan varian dari residual pada model regresi. Prasyarat dalam model regresi adalah tidak adanya masalah heteroskedastisitas.
Universitas Sumatera Utara
64
Tabel 4.4 Tabel Hasil Uji Heterokedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-10.233 17.967
-.570 .571
SiLPA .064
.061 .109
1.052 .296
.996 1.004
DAU .013
.027 .096
.483 .630
.272 3.674
DAK -.305
.216 -.326
-1.416 .161
.202 4.959
DBH .154
.151 .191
1.023 .309
.306 3.265
LnPAD 11.166
5.671 .262
1.969 .052
.603 1.658
a. Dependent Variable: Abs
Berdasarkan tabel diatas, hasil ini dengan jelas menunjukkan tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel
dependen absolut Ut absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 atau 0,05, jadi disimpulkan model regresi tidak
mengarah adanya heterokedastisitas,
4.2.2.4 Uji Autokorelasi
