95
rupiah
dan nilai yang tertinggi yaitu pada bulan November sebesar
10543 rupiah
C. Hasil Uji Asumsi Klasik
Untuk mengetahui kevalidan hubungan antara variabel-variaabel yang digunakan dan di uji dalam penelitian ini, maka untuk langkah pertama yaitu
mengujinya dengan uji asumsi klasik. Uji asumsi klasik yang dilakukan adalah sebagai berikut:
a. Hasil Uji Normalitas Data
Uji normalitas ini bertujuan untuk menguji apakah dalam model regresi linier berganda ini, variabel dependen dan variabel independent
maupun kedua-duanya mempunyai distribusi normal maupun tidak. Model regresi yang baik adalah model regresi yang memiliki distribusi data yang
normal atau mendekati normal. Salah satu metode yang lebih handal untuk melihat normalitas data adalah dengan melihat normal probability yang
membandingkan distribusi kumulatif dan distribusi normal. Untuk mengetahui apakah data dari variabel dependen dan variabel
independent dalam penelitian ini terdistribusi normal atau tidak maka dapat dilihat dari gambar normal probability plot di bawah ini:
96
Gambar 4.1 Grafik Normal Probability Plot
Dari gambar grafik normal probability plot tersebut diatas, dapat diketahui bahwa data yang ditunjukkan berupa titik-titik menyebar dsekitar
garis diagonal, serta penyebarannya mengikuti dan mendekati garis diagonal. Maka berdasarkan gambar grafik 4.1 diatas dapat disimpulkan
bahwa data dari variabel-variabel penelitian ini terdistribusi dengan normal dan memenuhi asumsi normalitas.
97
b. Hasil Uji Multikolinearitas
Uji multikolinearitas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas variabel
independent . Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel bebas. Imam Ghazali,2006:91 Untuk mengetahui ada atau tidaknya multikolinearitas dapat diihat dari nilai toleransi tolerance
yang mendekati 1 dan Variance Inflation Factor VIF yang nilainya tidak lebih dari 10.
Untuk mengetahui apakah terdapat multikolinearitas atau korelasi antar variabel independen yang dalam penelitian ini yaitu Inflasi, SBI, JUB,
dan Tingkat Pendapatan maka dapat dilihat dari tabel berikut ini:
Tabel 4.6 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Inflasi
.228 4.382
SBI .147
6.784 JUB
.316 3.161
Pendapatan .579
1.727 a. Dependent Variable: Kurs
Dari tabel hasil uji multikolinearitas diatas dapat diketahui nilai tolerance
dari variabel independen tersebut yaitu berkisar 0,147 - 0,579 yang memiliki nilai tidak lebih dari 1. Sedangkan nilai Variance Inflation
Factor VIF dari variabel independen tersebut nilainya berkisar antara
98
1,727 – 6,784 dan nilai VIF tersebut tidak melewati 10. Dapat disimpulkan bahwa baik nilai tolerance maupun nilai VIF berada dalam kisaran nilai
yang memenuhi asumsi bahwa tidak terdapat multikolinearitas antar
variabel independen. c.
Hasil Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear berganda terdapat korelasi kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika ada korelasi maka dinamakan ada problem autokorelasi. Untuk mengetahui ada
tidaknya autokorelasi pada penelitian ini, maka dapat dilihat dari tabel dibawah ini:
Tabel 4.7 Durbin Watson DW
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .877
a
.768 .747
.03873 1.400
a. Predictors: Constant, Pendapatan, Inflasi, JUB, SBI b. Dependent Variable: Kurs
. Dari tabel diatas diketahui bahwa nilai Durbin-Watson DW yaitu
1,400. Nilai tersebut berada diatas -2 dan berada dibawah +2 atau nilai tersebut berada diantara -2 dan +2. Dari hasil DW tersebut yang berada pada
posisi -2 sampai +2 maka dalam penelitian ini menyatakan bahwa tidak ada
99
autokorelasi tidak dapat ditolak atau dapat disimpulkan tidak terdapat autokorelasi.
d. Hasil Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variasi dari satu pengamatan ke pengamatan
lainnya. Model regresi yang baik adalah
yang tidak terjadi heterokedastisitas. Salah satu cara untuk memprediksi heterokedastisitas
dapat dilihat dari pola gambar Scatterplot. Untuk mengetahui ada tidaknya heterokedastisitas pada penelitian ini
maka dapat dilihat dari grafik di bawah ini:
Dari gambar grafik scatterplot diatas dapat diketahui bahwa titik-titik data menyebar diatas dan dibawah angka 0, titik-titik data tidak mengumpul
100
hanya diatas dan dibawah saja, dan penyebarannya tidak membentuk pola, maka dapat disimpulkan bahwa dalam penelitian regresi linear berganda ini
tidak terdapat heterokedastisitas.
D. Pengujian Hipotesis