Pengujian Normalitas HASIL ANALISIS DAN PEMBAHASAN

bebas Ghozali, 2001: 269-270. Pendeteksian multikolinearitas dalam penelitian ini dilakukan dengan metode VIF. Kriteria pengujian : Jika VIF 10, maka Ho ditolak Jika VIF 10, maka Ho diterima Hasil uji multikolinearitas dengan metode VIF sbb : Tabel 5.3 Hasil Uji Multikolinearitas dengan Metode VIF Sumber: Lampiran Hasil Olah Data Uji VIF, 2013. Berdasarkan hasil uji multikolinearitas dengan metode VIF, nilai VIF 10, artinya bahwa semua variabel bebas tidak terjadi multikolinearitas sehingga tidak membiaskan interprestasi hasil analisis regresi. 2. Uji Autokorelasi Autokorelasi adalah suatu keadaan dimana faktor pengganggu error term pada suku bunga tertentu berkorelasi dengan faktor pengganggu pada suku bunga lain. Faktor pengganggu tidak random unrandom. Autokorelasi disebabkan oleh Coefficients a 1600,063 831,757 1,924 ,072 -5,790 11,406 -,094 -,508 ,619 ,864 1,158 -86,594 38,527 -,471 -2,248 ,039 ,667 1,500 ,102 ,049 ,348 2,082 ,043 ,727 1,375 Constant X1 X2 X3 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Tolerance VIF Collinearity Statistics Dependent Variable: Y a. faktor-faktor kelembaman inersial, manipulasi data, kesalahan dalam menentukan model bias spesification, adanya fenomena sarang laba-laba, dan penggunaan lag dalam model. Pendeteksian asumsi autokorelasi dalam penelitian ini dilakukan dengan uji Durbin-Watson. - Kriteria pengujian : Jika d-hitung dL atau d-hitung 4-dL, Ho ditolak, berarti ada autokorelasi Jika dU d-hitung 4 – dU, Ho diterima, berarti tidak terjadi autokorelasi Jika dL d-hitung dU atau 4-dU d-hitung 4-dL, maka tidak dapat disimpulkan ada tidaknya autokoelasi. Tabel 5.4 Hasil Uji Autokorelasi Sumber: Lampiran Hasil Olah Data Durbin Watson, 2014. Dari hasil regresi diperoleh nilai D-W statistik sebesar 2,248. Dengan n = 20, k = 3 dan taraf nyata α 5 , maka nilai dL = 0,998, dU = 1,676, sehingga 4-dU = 4- 1,67 = 2,33 dan 4-dL = 4-1,46 = 2,55. Ternyata nilai D-W statistik sebesar 2,248 berada di daerah penerimaan Ho 2 2,248 2,54. Hal ini berarti model yang diestimasi tidak terkena autokorelasi. Mode l Sum m ary b ,729 a ,531 ,443 738,425528 2,248 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Wats on Predictors: Constant, X3, X1, X2 a. Dependent Variable: Y b. 3. Uji Heteroskedastisitas Homoskedastisitas adalah situasi dimana varian σ 2 dari faktor pengganggu atau disturbance term adalah sama untuk semua observasi X. Penyimpangan terhadap asumsi ini yaitu disebut heteroskedastisitas yaitu apabila nilai varian σ 2 variabel tak bebas Y i meningkat sebagai akibat dari meningkatnya varian dari variabel bebas X i , maka varian dari Y i tidak sama. Pendeteksian heteroskedastisitas dalam penelitian ini dilakukan dengan metode Glejser. Caranya dengan melihat nilai probabilitas 0,05, sehingga tidak terkena heteroskedastisitas Ghozali, 2001:73. Hasil uji heteroskedastisitas dengan Glejser sbb : Tabel 5.5 Hasil Uji Heteroskedastisitas dengan Glejser Sumber: Lampiran Hasil Olah Data Uji heteroskedastisitas, 2013. Coefficients a -353,746 491,324 -,720 ,482 -5,732 6,738 -,203 -,851 ,407 20,810 22,758 ,248 ,914 ,374 ,071 ,035 ,526 2,023 ,060 Constant X1 X2 X3 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Dependent Variable: ABS_RES a.