4.1.2.2 Uji asumsi Klasik
1. Uji Multikolinieritas
Syarat model regresi berganda dapat digunakan, apabila tidak ada hubungan yang sempurna antara variabel bebasnya. Deteksi adanya multikolinieritas dapat
dilakukan dengan mengkorelasikan antara variabel bebas atau dapat pula dilihat dari nilai VIF. Apabila korelasi antara variabel bebas nilai toleransinya melebihi 0,1 dan
nilai VIF 10, dapat disimpulkan bahwa model regresi tidak mengandung multikolinieritas. Secara jelas dapat dilihat pada hasil SPSS 16.0 for windows yang
terdapat pada lampiran 12 halaman 158 dan secara lebih jelas dapat dilihat pada tabel 4.16 berikut:
Tabel 4.16 Uji Multikolinieritas
Sumber : Data yang diolah, 2011 lampiran 12, hal: 158
Berdasarkan hasil uji multikolinieritas pada tabel 4.16 untuk variabel kontinuitas belajar X1 dan variabel lingkungan keluarga X2 diperoleh nilai VIF
sebesar 1,695 dengan toleransi 0,590. Dari hasil pengujian diperoleh VIF untuk variabel kontinuitas belajar dan lingkungan keluarga sangat jauh dibawah 10 dan
nilai toleransi diatas 0,1. Oleh karena itu dapat disimpulkan tidak ada multikolinieritas dalam regresi.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 16.262
10.030 1.621
.111 Kontinuitas
Belajar .321
.157 .269
2.039 .047
.590 1.695
Lingkungan Keluarga
.569 .156
.480 3.640
.001 .590
1.695 a. Dependent Variable:
Prestasi Belajar
2. Uji Heteroskedastisitas
Model regresi selain harus berdistribusi normal juga harus memenuhi syarat tidak adanya heteroskedastisitas. Pengujian heteroskedastisitas dapat dilihat dari
scatterplot, apabila titik-titik yang membentuk suatu pola tertentu yang teratur berarti mengandung heteroskedastisitas. Sebaliknya apabila titik-titik yang terbentuk tidak
teratur dan berada di atas maupun di bawah angka nol pada sumbu vertical Y, dapat disimpulkan bahwa regresi tidak mengandung heteroskedastisitas. Hasil uji
heteroskedastisitas dapat dilihat di lampiran 12 hal 159 dan secara lebih jelas dapat dilihat pada gambar 4.1, sebagai berikut:
Gambar 4.1 Scatterplot Uji Heteroskedastisitas Lampiran 12, hal: 159 Terlihat pada gambar 4.1 di atas ternyata titik-titik tersebar tidak teratur dan
tidak membentuk pola yang teratur, serta berada di atas maupun di bawah angka nol sumbu vertikal, yang berarti model regresi tidak mengandung heteroskedastisitas.
Berdasarkan pengujian uji asumsi klasik diatas, menunjukan bahwa model regresi ganda yang diperoleh tidak mengalami penyimpangan asumsi klasik sehingga efisien
untuk menggambarkan bentuk hubungan antar variabel penelitian.
-3 -2
-1 1
2 3
Regression Standardized Predicted Value
-3 -2
-1 1
2 3
4
Regre ssi
on St udenti
zed Res
idual
Dependent Variable: Prestasi Belajar Scatterplot
4.1.2.3 Analisis Regresi Linier Berganda