162
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: KINERJA
Observed Cum Prob
1,0 ,8
,5 ,3
0,0
E x
p ec
ted C
u m
P rob
1,0
,8
,5
,3 0,0
Dari gambar 4.1 dan gambar 4.2 dapat diambil kesimpulan bahwa data pada gambar 4.1 tidak terdistribusi secara normal. Data tersebut adalah
data sebelum SBI dikeluarkan dari model regresi. Terlihat bahwa data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis
diagonal. Setelah SBI dikeluarkan dari model persamaan regresi, terlihat pada gambar 4.2 ternyata data menyebar di sekitar garis
diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas dan penelitian dapat dilanjutkan.
b. Uji Multikolinieritas
Telah dijelaskan sebelumnya bahwa salah satu variabel independen yaitu variabel SBI terjadi gejala multikolinieritas. Oleh karena itu,
penulis mengeluarkan variabel tersebut dari model regresi dengan
163 maksud untuk mendapatkan model terbaik. Adapun tabelnya sebagai
berikut:
Tabel 4.5 Data Output sebelum SBI dikeluarkan dari model
Tabel 4.6 Data Output setelah SBI dikeluarkan dari model
Coefficients
Collinearity Statistics Model Tolerance
VIF 1
Constant IHSG
0,824 1,214
INFLASI 0,743
1,346
Coefficients
Collinearity Statistics Model Tolerance
VIF 1
Constant IHSG
0,370 2,706
SBI 0,091
11,041 INF
0,129 7,746
NTR 0,838
1,193 a
Dependent Variable: KINERJA
164
NTR 0,892
1,120 a
Dependent Variable: KINERJA
Dari hasil uji multikolinieritas ternyata variabel SBI terdapat gejala multikolinieritas tabel 4.5 dengan nilai VIF variance inflation
factor sebesar 11,041 yang berarti jika nilai VIF lebih besar dari 10
maka dikatakan variabel tersebut mempunyai masalah multikolinieritas. Oleh karena itu penulis mencoba mengeluarkan
variabel tersebut dari penelitian dan hasilnya terlihat pada tabel 4.6. Dari tabel 4.6 diperoleh nilai VIF kurang dari 10 Gujarati: 2003 yang
berarti tidak terdapat gejala multikolinieritas antar variabel dependen. Dengan demikian dapat disimpulkan bahwa berdasarkan nilai VIF,
model regresi yang dibuat layak untuk digunakan dalam penelitian.
c. Uji Autokorelasi Tabel 4.7
Model Summary
Change Statistics Durbin-Watson
Model R Square Change
F Change df1 df2
Sig. F Change 1 0,904
100,346 3
32 0,000 1,175
a Predictors: Constant, NTR, IHSG, INFLASI b
Dependent Variable:
KINERJA
Berdasakan tabel 4.7 di atas, diperoleh nilai Durbin Watson DW adalah sebesar 1,175 dimana nilai tersebut berada diantara -2 sampai
+2. Jadi dapat disimpulkan bahwa tidak terjadi gejala autokorelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada
165 periode t
-1
sebelumnya pada model regresi yang dibuat dalam penelitian ini Singgih Santoso: 2000: 216.
d. Uji Heteroskedastisitas Gambar 4.3
