93
4.3.2 Deteksi Asumsi Klasik 4.3.2.1 Deteksi Normalitas
Gambaran mengenai deteksi normalitas dalam penelitian ini, dapat dilihat pada gambar
Normal P -P lot
berikut ini dan nilai
Jarque-Bera
.
Gambar 4.13 Uji Normalitas dengan Normal P-Plot
Sumber : Lampiran C, data diolah,2010 Dari gambar Normal P-Plot diatas data terlihat mengikuti garis diagonal
dan asumsi diterimanya deteksi normalitas adalah nilai Jarque-Bera Chi Square Tabel X
2
, nilai Jarque-Bera dalam pengujian ini sebesar 5.669812 lampiran C dan Chi Square Tabel sebesar 123,86. Dari hasil ini dapat ditarik kesimpulan
bahwa data memenuhi asumsi uji normalitas.
4.3.2.2 Deteksi Multikolinearitas Multikolinearitas merupakan keadaan dimana terdapat
hubungan linear
atau terdapat korelasi antar variabel independen. Dalam penelitian ini untuk menguji ada tidaknya multikolinearitas dilihat dari perbandingan antara nilai R
2
94
regresi parsial
auxilia ry regr ession
dengan nilai R
2
regresi utama. Apabila nilai R
2
regresi parsial
auxilia ry regr ession
lebih besar dibandingkan nilai R
2
regresi utama, maka dapat disimpulkan bahwa dalam persamaan tersebut terjadi
multikolinearitas. Tabel 4.7 menunjukkan perbandingan antara nilai R
2
regresi parsial
auxilia ry regression
dengan nilai R
2
regresi utama.
Tabel 4.5 R
2
Auxiliary Regression
Pengaruh Variabel Independen INC, COST, EDU, DIST, QUAL Terhadap Variabel Dependen Y
Variabel Dependen R²
R² Utama INC
0.909932 0.968900
COST 0.180362
0.968900 EDU
0.885805 0.968900
DIST 0.739946
0.968900 QUAL
0.855611 0.968900
Sumber : Lampiran C, data diolah, 2010 Tabel 4.7 menunjukkan bahwa model persamaan pengaruh variabel
independen INC, COST, EDU, DIST, QUAL terhadap variabel dependen Y
atau frekuensi kunjungan tidak mengandung multikolinearitas karena tidak ada
nilai R
2
regresi parsial
auxilia ry regr ession
yang lebih besar dibandingkan nilai R
2
regresi utama.
4.3.2.3 Deteksi Heteroskedastisitas
Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observas i ke observasi
lainnya. Artinya, setiap observasi mempunyai reliabilitas yang berbeda akibat perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam
spesifikasi model Imam Ghozali, 2005.
95
Dalam penelitian ini digunakan uji White untuk mengetahui ada tidaknya heteroskedastisitas yang dapat dilihat pada Tabel 4.8
Tabel 4.6 Hasil Uji White Pengaruh Variabel Independen
INC, COST, EDU, DIST, QUAL Terhadap Variabel Dependen Y
White Heteroskedasticity Test F-statistic
11.44427 ObsR-squared
74.34110 Sumber : Lampiran C, data diolah, 2010
Pada model persamaan pengaruh variabel independen INC, COST, EDU, DIST, QUAL terhadap variabel dependen Y dengan n = 100 dan k = 5, maka
diperoleh
degree of freedom
df = 95 n-k, dan menggunakan α = 5 persen
diperoleh nilai χ
2
tabel sebesar 123.86. Dibandingkan dengan nilai ObsR-squared hasil regresi pengaruh pendapatan keluarga, biaya kunjungan, tingkat pendidikan,
jarak tempat tinggal dan kualitas layanan kesehatan terhadap frekuensi kunjungan di rumah sakit umum milik pemerintah Kab. Semarang, yaitu sebesar 74.34110
maka nilai ObsR-squared Uji White
lebih kecil dibandingkan nilai χ
2
tabel, sehingga dapat disimpulkan bahwa model regresi persamaan tersebut bebas dari
gejala heteroskedastisitas.
4.3.2.4 Deteksi Autokorelasi
