Tabel 4.2 Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 40
Normal Parameters
a,b
Mean .0000000
Std. Deviation 9.27613566E
7 Most Extreme
Differences Absolute
.188 Positive
.188 Negative
-.111 Kolmogorov-Smirnov Z
1.189 Asymp. Sig. 2-tailed
.118 a. Test distribution is Normal.
b. Calculated from data. Sumber: Hasil olahan SPSS 18.0,2014
Dari hasi pengolahan data pada tabel 4.2 diperoleh besarnya nilai Kolomogorov-Smirnov adalah 1,189 dan signifikan pada 0,118. Nilai signifikansi
lebih besar dari 0,05, hal ini berarti data residual berdistrubusi normal. Setelah data berdistribusi normal. Setelah data berdistribusi normal dapat dilanjutkan
dengan uji asumsi klasik lainnya.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah regresi ditemukan adanya kolerasi antar variabel bebas independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi maka variabel-variabel ini tidak orthogonal. Uji
multikolinearitas dilakukan dengan menghitung nilai variance inflation factor
Universitas Sumatera Utara
VIF dari tiap-tiap variabel independen bebas. Jika nilai tolerance value 0,001 dan VIF 10 maka tidak terjadi multikolinearitas Ghozali, 2006.
Tabel 4.3 Hasil Uji Mulkolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardi
zed Coefficie
nts
T Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF 1
Constant 7.629E7 1.016E8
.751 .458
BCI -120752.580 126376.183 -.178
-.956 .346 .788
1.269 BOD
8.471E7 7.770E7
.310 1.090 .284
.341 2.936
IO -36501.507
73808.115 -.097 -.495 .624
.719 1.391
AC -135339.788 149630.066 -.275
-.904 .372 .298
3.358 BP
-29.624 181.690
-.030 -.163 .872
.839 1.192
DC -42683.193
88087.563 -.086 -.485 .631
.870 1.149
PC -187.177
4508.273 -.008
-.042 .967 .688
1.454 a. Dependent Variable: EMP
Hasil perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance lebih dari 0,10 yaitu 0,788; 0,341; 0,719; 0,298; 0,839;
0,870; 0,688 yang berarti tidak terjadi korelasi antar variabel independen. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen
memiliki nilai kurang dari 10 yaitu 1,269; 2,936; 1,391; 3,353; 1,192; 1,149; 1,454. Dengan demikian disimpulkan bahwa dalam model regresi tidak terjadi
multikolinearitas antar variabel independen.
Universitas Sumatera Utara
4.2.2.3 Uji Heteroskedastisitas
Tujuan pengujian ini adalah untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan
lainnya. Jika varian residual suatu pengamatan lain tetap maka disebut homokesdastisitas dan jika berbeda maka disebut heterokedastisitas. Model
regresi yang baik adalah homoskedastisitas, Ghozali 2006. Dalam penelitian ini cara untuk mendeteksi ada tidaknya heterokedastisitas, yaitu dengan
menggunakan metode grafik. Metode ini mendeteksi ada tidaknya heteroskedastisitas dengan melihat
ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada
tidaknya pola tertentu pada grafik scatterplot dengan ktiteria sebagai berikut : 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terukur bergelombang, melebar kemudian menyempit, maka
mengindikasikan adanya heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.3 Hasil Uji Heterokedastisitas
Grafik Scatter Plot
Sumber: Hasil olahan spss 18.0, 2014
Dari grafik scatterplot telihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga
dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi.
4.2.2.4 Uji Autokorelasi
