71
diagonal. Maka dapat disimpulkan bahwa model regresi dalam penelitian ini telah terdistribusi secara normal.
Untuk lebih meyakinkan hasil uji grafik maka pada uji normalitas ini juga dilengkapi dengan uji variabel, yaitu dengan
menggunakan Uji Kolmogorov-Smirnov K-S dan Shapiro-Wilk dalam tabel 4.5 sebagai berikut:
Tabel 4.5 Hasil Uji Kolmogorof-Smirnof dan Shapiro-Wilk
Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk Statistic
df Sig.
Statistic df
Sig. Unstandardized
Residual .037
172 .200
.991 172
.318
Sumber : data sekunder yang diolah Berdasarkan tabel 4.5 ditunjukan bahwa nilai probabilitas pada
kolmogorv-smirnov sebesar 0,200 lebih besar dari 0,05 dan pada saphiro-wilk sebesar 0,318 lebih besar dari 0,05 sehingga dapat
disimpulkan bahwa data berasal dari populasi normal sehingga model regresi memenuhi uji asumsi klasik normalitas.
2. Hasil Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen
dan
model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
72
Penelitian ini menggunakan
Variance Inflation Factor VIF dan Tolerance untuk melihat apakah ada masalah
multikolinieritas pada variabel yang digunakan. Apabila nilai VIF kurang dari sepuluh dan
nilai Tolerance T lebih dari 0,1 dan kurang atau sama dengan 1, berarti tidak terjadi multikolinearitas. Sebaliknya jika diketahui nilai
VIF lebih dari sepuluh dan nilai Tolerance T kurang dari 0,1 dan lebih dari 1, berarti terjadi multikolinearitas.
Dari hasil pengolahan data statistik diperoleh tabel 4.6 pengujian multikolinearitas sebagai berikut :
Tabel 4.6 Hasil Uji Multikoleniaritas
Berdasarkan hasil uji multikolinieritas di atas dapat diketahui bahwa semua variabel independen memiliki nilai Tolerance 0,10
dan VIF 10. Hasil perhitungan nilai Tolerance juga menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance kurang
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant .451
.038 11.981 .000
CFL -.050
.019 -.204
-2.645 .009 .903
1.107 CFR
-.102 .030
-.269 -3.434 .001
.879 1.138
FCF .010
.009 .087
1.158 .248 .959
1.043 DKI
.140 .063
.164 2.216 .028
.983 1.018
Sumber : data sekunder yang diolah
73
dari 0,10. Hal ini menunjukkan tidak ada korelasi antar variabel independen. Maka dapat disimpulkan bahwa model regresi dalam
penelitian ini tidak tejadi gejala multikolinieritas antar variabel.
3. Hasil Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui apakah dalam model regresi linear ada koreksi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1. Model regresi yang baik adalah yang terbebas dari autokorelasi. Cara
mendeteksinya adalah dengan melakukan uji DW Durbin Watson.
Tabel 4.7 Hasil Uji Durbin-Watson
Model Std. Error of the Estimate
Durbin-Watson 1
.091704 1.736
Sumber : data sekunder yang diolah Dari output SPSS data sekunder yang diolah pada table 4.5
dapat dilihat bahwa nilai Durbin-Watson sebesar 1.736. Karena nilai DW sebesar 1.736 berkisar diantara 1.66 sampai 2.34, maka dapat
disimpulkan bahwa tidak terdapat gejala autokorelasi.
4. Hasil Uji Heterokedesitas