arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model
regresi terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Cara yang digunakan
untuk mendeteksi ada tidaknya multikolinearitas adalah dengan melihat tolerance value dan VIF. Menurut Ghozali 2005 “adanya gejala
multikolinearitas dapat dilihat dari tolerance value atau nilai variance inflation factor VIF. Batas tolerance value adalah 0,1 dan batas VIF
adalah 10”. Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas akan tetapi jika tolerance value 0,1 atau VIF 10 =
tidak terjadi multikolinearitas.
Tabel 4.3 Hasil Uji Multikolinearitas
Sumber : Output SPSS, diolah Penulis, 2011
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
Insider ,711
1,407 Dispersion
,861 1,161
Collas ,938
1,066 Growth
,773 1,294
a. Dependent Variable: DPR
Universitas Sumatera Utara
Berdasarkan data diatas dapat dilihat bahwa tolerance value dari setiap variabel independen adalah lebih besar dari 0,10 Insider: 0,711;
Dipersion: 0,86; Collas: 0,938; dan Growth: 0,773 dan nilai VIF dari setiap variabel independen adalah lebih kecil dari 10. Dengan demikian
dapat disimpulkan bahwa dalam model regresi tidak terjadi multikolinearitas antar variabel independen.
4.2.2.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain
dalam model regresi. Model regresi yang baik adalah tidak terjadi heterokedastisitas atau terjadi homokedastisitas apabila titik-titik yang ada
membentuk pola tertentu yang teratur. Menurut Ghozali 2005:105, terdapat dua dasar pengambilan keputusan penentuan uji
heteroskedastisitas. a. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas.
b. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heterokedastisitas dengan mengamati penyebaran titik-titik pada
gambar.
Universitas Sumatera Utara
Sumber : Output SPSS, diolah Penulis, 2011.
Gambar 4.3 Hasil Uji Heteroskedastisitas Scatterplot
Berdasarkan grafik scatterplot tersebut dapat dilihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0
pada sumbu Y. Grafik tersebut juga tidak membentuk pola tertentu atau tidak teratur. Hal ini mengidentifikasikan tidak terjadinya heteroskedasitas
pada model regresi sehingga model regresi layak dipakai.
4.2.2.4 Uji Autokorelasi