50 terdistribusi mengikuti garis diagonal yang tidak menceng
Skewness ke kiri maupun ke kanan. Data yang telah terdistribusi normal juga bisa diketahui dengan melihat grafik plot yang
ditunjukkan pada Gambar 4.6. menurut Ghozali 2005:112 pendeteksian normalitas dapat dilakukan dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Pada gambar tersebut dapat terlihat bahwa penyebaran
data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, oleh sebab itu dapat diketahui bahwa data telah
terdistribusi dengan normal.
4.2.3.2 Gejala Heteroskedastisitas
Gejala heteroskedastisitas diuji dengan melihat kurva yang dihasilkan oleh variabel yang diteliti. Data dikatakan normal atau
bebas dari gejala heteroskedastisitas apabila titik-titik yang dihasilkan pada kurva menyebar dan tidak membentuk suatu pola
tertentu. Dengan bantuan applikasi spss maka dapat diperoleh kurva sebagai berikut.
51
Gambar 4.7 Grafik Regresi
Sumber : hasil pengolahan data menggunakan spss
Hasil pengujian Heteroskedastisitas dapat dilihat dari Gambar 4.7 Titik-titik yang dihasilkan oleh kurva regresi yang
diperoleh dari hasil output SPSS menunjukkan bahwa data penelitian menyebar dan tidak membentuk pola tertentu. Oleh karena itu dapat
disimpulkan bahwa model regresi bebas dari gejala heteroskedastisitas.
52
4.2.3.3 Gejala Autokorelasi
Gejala autokorealasi dideteksi dengan melakukan uji Durbin Watson d. Hasil perhitungan Durbin Watson d
dibandingkan dengan d tabel pada α = 0,05. Tabel d memiliki dua
nilai, yaitu batas atas du dan nilai batas bawah dL untuk berbagai nilai n dan k.
jika: - d dL ; terjadi autokorelasi positif
- d 4 – dL ; terjadi autokorelasi negatif - du d 4 – du ; tidak terjadi autokorelasi
- dL d du atau 4 – du d 4 – dL ; pengujian tidak
meyakinkan.
Tabel 4.8 Hasil Gejala Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .594
a
.353 .343
4.99160 1.869
a. Predictors: Constant, VAR00001 b. Dependent Variable: VAR00002
Sumber : hasil pengolahan data menggunakan spss17
Hasil uji gejala Autokorelasi dapat dilihat pada Tabel 4.8 Berdasarkan Tabel Statistik d Durbin watson nilai kritis dari dL
dan dU untuk nilai α = 5, k = 1, n = 65 adalah dL = 1,57 ; dU =
53
1,63. Apabila dimasukkan ke dalam rumus kriteria maka du d 4 – du maka disimpulkan 1,63 1,869 4 - 1,63 tidak terjadi gejala
autokorelasi atau pengujian bebas dari gejala autokorelasi.
4.2.3.4 Gejala Multikolinearitas
Pendeteksian terhadap multikolineraritas dapat dilakukan dengan melihat nilai VIF dari hasil analisis regresi. Jika nilai VIF
10, terdapat gejala multikolinearitas yang tinggi.
Tabel 4.9 Hasil Multikolineraritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
21.274 3.265
6.516 .000
VAR0000 1
.508 .085
.603 5.993
.000 1.000
1.000 a. Dependent Variable: VAR00002
Sumber : hasil pengolahan data menggunakan spss17
Dari print out tabel 4.9 terlihat bahwa nilai VIF pada kolom terakhir untuk variabel l X = 1,000. Hasil pada nilai VIF lebih
kecil dari 10 atau 1 10. Dengan demikian model ini bebas dari gejala multikolinearitas.
54
4.2.4 Analisis Koefisien Regresi
