86
Tabel 4.8 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1,19818428
Most Extreme Differences Absolute
0,112 Positive
0,112 Negative
-0,070 Kolmogorov-Smirnov Z
0,868 Asymp. Sig. 2-tailed
0,438 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan hasil uji Kolmogorov-Smirnov diatas, terlihat nilai Asymp. Sig 0,434 memiliki nilai 0,05. Hal ini menunjukan bahwa
data pada penelitian ini terdistribusi secara normal, sekali lagi hasilnya konsisten dengan uji sebelumnya. Maka data tersebut layak dianalisis
lebih lanjut.
2. Uji Multikolinearitas
Penelitian dilakukan pengujian terhadap data bahwa data harus terbebas dari gejala multikoliniearitas, gejala ini ditunjukan dengan
kolerasi antar variabel independen. Pengujian ada tidaknya gejala multikolinearitas dilakukan dengan memperhatikan nilai matriks
korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF Variance Inflation Factor dan Tolerance-nya. Nilai dari VIF antara
sampai dengan
10 menandakan
tidak adanya
gejala multikolinearitas. Sehingga dapat disimpulkan bahwa model regresi
87 tersebut tidak terdapat problem multikolinieritas Santoso, 2015, hal
ini akan dijelaskan sebagai berikut :
Tabel 4.9 Uji Multikolinieritas
Tabel di atas menjelaskan bahwa data yang ada tidak terjadi gejala multikoliniearitas antara masing-masing variabel independen
yaitu dengan melihat nilai tolerance dan VIF. Nilai tolerance yang diperbolehkan tidak lebih kecil dari 0,10 dan nilai VIF yang
diperbolehkan hanya mencapai 10 maka data di atas dapat dipastikan tidak terjadi gejala multikoliniearitas. Karena data di atas menunjukan
bahwa nilai tolerance lebih besar dari 0,10 dan nilai VIF lebih kecil dari 10, keadaan seperti itu membuktikan tidak terjadinya
multikolinearitas.
3. Uji Heteroskedatisitas
Sebelum berlanjut kepada langkah penelitian berikutnya peneliti akan melakukan pengujian heteroskedatisitas untuk memastikan bahwa
data dapat menghasilkan asumsi yang baik. Pengujian ada tidaknya
Coefficients
a
Model Collinearity
Statistics Tolerance
VIF
1 Constant
x1 0,941
1,062 x2
0,795 1,258
x3 0,800
1,250 a. Dependent Variable: y
88 gejala heteroskedastisitas memakai metode grafik dengan melihat ada
tidaknya pola tertentu pada scatterplot dari variabel terikat, dimana jika tidak terdapat pola tertentu maka tidak terjadi heteroskedastisitas dan
begitu pula sebaliknya Santoso, 2015. Adapun uji heteroskedatisitas
ini akan dilakukan melalui pengujian scatterplot atau grafik sebar, sebagai berikut :
Gambar 4.6 Grafik
Scatterplot Hasil Uji Heteroskedastisitas
Pada gambar 4.6 terlihat bahwa titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y dan tidak terlihat pola tertentu. Dengan
demikian pada persamaan regresi linier berganda dalam model ini tidak ada gejala atau tidak terjadi heteroskedastisitas untuk menegaskan hasil uji
heteroskedastisitas penguji melakukan dengan uji Glejser sebagai berikut:
89
Tabel 4.10 Uji Glejser Heteroskedastisitas
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
2,011 1,398
1,439 0,156
X
1
0,055 0,043
-0,163 1,275
0,208 X
2
-0,027 0,033
-0,117 -0,840
0,404 X
3
0,043 0,029
-0,212 -1,521
0,134 a. Dependent Variable: ABS _ RES2
Dari output di atas dapat diketahui bahwa nilai signifikansi ketiga variabel independen lebih dari 0,05 Jika nilai signifikansi antara variabel
independen dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas. Dengan demikian dapat disimpulkan bahwa
tidak terjadi masalah heteroskedastisitas pada model regresi.
D. Uji Hipotesis