4.3.3 Uji Asumsi Klasik 4.3.3.1 Uji Multikolineritas
Multikolineritas muncul karena adanya satu atau lebih variabel bebas yang berkorelasi sempurna atau memadai sempurna dengan variabel bebas lainnya
sehingga sulit untuk memisahkan pengaruh masing-masing variabel bebas terhadap variabel terikat. Untuk mendekati ada tidaknya korelasi antar variabel
bebas tersebut dapat dilihat dari nilai Variance Inflation factor VIF yang kurang dari 5 maka terjadi multikolineritas.
Dari hasil perhitungan diperoleh nilai Variance Inflation factor VIF untuk masing-masing variabel sebagai berikut :
Tabel 4.25 Nilai VIF Variabel
VIF X
1
1,332 X
2
1,215 X
3
1,429 X
4
1,348
Sumber : lampiran 14
Berdasarkan Tabel 4.25 diatas maka dapat dilihat bahwa semua variabel mempunyai nilai Variance Inflation factor VIF yang kurang dari 5 sehingga
dapat disimpulkan bahwa model dalam penelitian untuk semua variabel bebasnya kebudayaan X
1
, kelas sosial X
2
, kelompok referensi X
3
dan keluarga X
4
tidak mengalami multikolinearitas.
4.3.3.2 Uji Heterokedastisitas
Pengujian ini dilakukan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari satu pengamatan ke pengamatan yang
lain. Prosedur dilakukan adalah mendeteksi dengan melihat ada tidaknya pola tertentu pada scatter plot pada lampiran 6, dimana sumbu X adalah Y yang telah
diprediksi dan sumbu Y adalah residual Y prediksi – Y sesungguhnya yang telah
di-studentized. Dasar pengambilan keputusan adalah sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik points yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar, kemudian menyempit,
maka telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas serta titik-titik menyebar diatas dan dibawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.1 Hasil Uji Heteroskedastisitas Sumber: Lampiran 14
Hasil analisis dari grafik scatterplots pada gambar 4.3 terlihat titik-titik menyebar secara acak, tidak membentuk suatu pola tertentu yang jelas, serta
tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
4.3.3.3 Uji Autokorelasi
Pengujian autokorelasi dimaksudkan untuk mengetahui terjadi atau tidaknya korelasi antar anggota serangkaian data observasi yang diurutkan
menurut waktu atau ruang. Hal ini mempunyai makna bahwa waktu tertentu dipengaruhi oleh waktu sebelumnya atau berikutnya.
Untuk mendiagnosa adanya autokorelasi dalam model regresi dilakukan dengan pengujian terhadap nilai Durbin Watson dengan pengambilan keputusan :
a. Angka D-W Durbin Watson dibawah -2 berarti ada korelasi b. Angka D-W Durbin Watson diantara -2 sampai +2 berarti tidak ada
autokorelasi c. Angka Durbin Watson -2 berarti korelasi negatif.
Melalui pengujian Durbin Watson dari hasil perhitungan dengan menggunakan komputer program SPSS, diperoleh nilai d = 1,976. Maka berarti
ini tidak terjadi autokorelasi dalam model regresi yang digunakan.
4.3.3.4 Uji Normalitas