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.