Gambar 5.2. Normal P - P Plot
Hasil pengujian menunjukkan bahwa data residual terdistribusi secara normal di mana titik-titik di sekitar garis diagonal dan penyebarannya masih mengikuti garis
diagonal. Rinciannya terlihat di Lampiran 1.
5.1.2.2. Uji multikolinearitas
Hasil pengujian multikolinieritas bertujuan untuk menguji pengaruh dari variabel independen terhadap variabel dependen IPM disajikan pada Tabel 5.2
di bawah ini yang diambil dari output koefisien korelasi.
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
Tabel 5.2. Hasil Uji Multikolinieritas Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficient
s t
Sig. Collinearity
Statistics B
Std. Error Beta
Toleran ce
VIF
1 Constan
t 4.043
.124 32.620
.000 ln_PAD
.031 .011
.959 2.783
.009 .181
5.519 ln_BM
-.020 .012
-.586 -1.700 .098
.181 5.519
a. Dependent Variable: ln_IPM PAD mempunyai nilai VIF Variance Inflation Factor 5,519, BM mempunyai
VIF 5,519 dengan angka tolerance masing-masing 0.181. Pengujian menggunakan VIF dan Tolerance menunjukkan bahwa tidak ada yang bernilai lebih dari 10 dan
kurang dari 0,1. Dengan demikian dapat disimpulkan bahwa tidak terdapat multikolinearitas dalam model regresi.
5.1.2.3. Uji autokorelasi
Uji ini bertujuan untuk menguji apakah dalam satu model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan sebelumnya.
pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se
Ge t you r s n ow
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
Tabel 5.3. Hasil Uji Autokorelasi Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson
1 .496
a
.246 .203
.03230 1.363
a. Predictors: Constant, ln_BM, ln_PAD b. Dependent Variable: ln_IPM
Kriteria: Jika nilai Durbin Watson di antara -2 sampai 2 maka tidak terdapat Autokorelasi Singgih Santoso, 2001.
Dari output SPSS nilai Durbin Watson 1,363 maka model ini terbebas dari asumsi klasik autokorelasi. Dari gambar di atas dapat dilihat bahwa DW di daerah No
Autocorelation. Sehingga dapat disimpulkan bahwa model regresi linear terbebas dari Asumsi Klasik Statistik Autokorelasi.
5.1.2.4. Uji heteroskedastisitas
