Gambar 4.2. Normal P-Plot of Regression Standarized Residual
Dengan melihat tampilan grafik normal plot pada Gambar 4.1 dapat disimpulkan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonalnya. Hal ini menunjukan data residual berdistribusi normal. Demikian pula dengan hasil grafik histogram pada Gambar 4.2 yang menunjukkan bahwa data
residual berdistribusi normal yang dilihat dari gambar berbentul lonceng yang hampir sempurna simetris.
4.2.2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Untuk
mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplots
.
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob 0.0
0.2 0.4
0.6 0.8
1.0
Expect ed C
um P rob
Dependent Variable: Investasi Normal P-P Plot of Regression Standardized Residual
Universitas Sumatera Utara
Gambar 4.3. Grafik Scatterplots
Dari grafik scatterplots dalam Gambar 4.3 menunjukkan bahwa titik-titik
menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu yang teratur, hal ini dapat disimpulkan bahwa
tidak terjadi heteroskedastisitas pada model regresi.
4.2.3. Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka
dinamakan terdapat problem Multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Pengujian ada tidaknya gejala
multikolinearitas dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF Variance Inflation Faktor dan
Tolerance -nya. Nilai dari VIF yang kurang dari 10 dan tolerance yang lebih dari 0,10
-2 -1
1 2
3 Regression Standardized Predicted Value
-4 -3
-2 -1
1 2
3
Regressi on St
udent ized Resi
dual
Dependent Variable: Investasi Scatterplot
Universitas Sumatera Utara
maka menandakan bahwa tidak terjadi adanya gejala multikolinearitas. Sehingga dapat disimpulkan bahwa model regresi tersebut tidak terdapat problem multikolinieritas.
Tabel 4.3. Hasil Uji Multikolinieritas Model
Collinearity Statistics Tolerance
VIF
1 Constant
PDRB .153
6.529 Pengeluaran pemerintah
.263 8.955
Nilai Ekspor .385
7.569 Suku Bunga Bank
.866 1.155
a Dependent Variable: Nilai Investasi Sumber : Data diolah, 2011
Dari perhitungan menggunakan program SPSS versi 15 dapat kita ketahui bahwa nilai VIF dan tolerance sebagai berikut: Variabel PDRB mempunyai nilai VIF
sebesar 16,529 dan tolerance sebesar 0,153. Variabel pengeluaran pemerintah mempunyai nilai VIF sebesar 28,955 dan tolerance sebesar 0,263. Variabel nilai
ekspor mempunyai nilai VIF sebesar 7,569 dan tolerance sebesar 0,385. Variabel suku bunga Bank mempunyai nilai VIF sebesar 1,155 dan tolerance sebesar 0,866.
Dari ketentuan yang ada bahwa jika nilai VIF 10 dan tolerance 0,10 maka tidak terjadi gejala multikolinearitas dan nilainilai yang didapat dari perhitungan
adalah sesuai dengan ketetapan nilai VIF dan tolerance, dan dari hasil analisis diatas dapat diketahui nilai toleransi semua variabel independen PDRB, Pengeluaran
pemerintah, nilai ekspor, dan suku bungan Bank lebih dari 0,10 dan nilai VIF kurang dari 10 maka dapat disimpulkan bahwa variabel independennya tidak terjadi
multikolinieritas sehingga model tersebut telah memenuhi syarat asumsi klasik dalam analisis regresi.
Universitas Sumatera Utara
4.2.4. Uji Autokorelasi
