a. Model Grafik
Hipotesis : 1.
Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas.
2. Jika diagram pencar tidak membentuk pola yang atau acak maka
regresi tidak mengalami gangguan heteroskedastisitas.
Sumber : Hasil Penelitian, 2010 SPSS 16.00
Gambar 4.1 : Scatterplot
Pada gambar dapat dilihat bahwa diagram pencar tidak membentuk pola oleh karena itu tidak mengalami heteroskedastisitas.
a. Model Glejser
Menentukan kriteria keputusan a
Jika nilai signifikansi 0,05, maka tidak mengalami gangguan heteroskedastisitas
b Jika nilai signifikansi 0,05, maka mengalami gangguan
heteroskedastisitas.
Tabel 4.12 Autokorelasi
Coefficients
a
Model Unstandardized Coefficients
Unstandardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
3.075 1.783
1.725 .088
X1 -.247
.090 -.348
-2.737 .068
X2 .118
.184 .085
.644 .522
X3 .206
.144 .198
1.428 .157
X4 .156
.095 .209
1.649 .103
X5 -150
.087 -206
-1.730 .087
a. Dependent Variable : absut
Sumber : Hasil Penelitian, 2010 SPSS 16.00 Pada tabel tampak bahwa signifikansi setiap variabel bebas lebih besar dari
α = 0,05, maka tidak mengalami gangguan heteroskedastisitas.
3. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual penulis menganalisis
grafik histogram yang membandingkan antara data observasi dengan distribusi
yang mendekati distribusi normal dan juga menganalisis probality plot yang membandingkan distribusi kumulatif dari distribusi normal.
Hipotesis : 1.
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka
model regresi memenuhi asumsi klasik 2.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi klasik.
Sumber : Hasil Penelitian, 2010 SPSS 16.00
Gambar 4.2 : Histogram
Pada gambar 4.2 menunjukkan bahwa grafik histogram menunjukkan pola distribusi normal
Sumber : Hasil Penelitian, 2010 SPSS 16.00
Gambar 4.3 : Normal P-P plot of Regression
Pada gambar dapat dilihat bahwa data titik-titik menyebar di sekitar garis diagonal dan mengikuti garis diagonal. Oleh karena itu, berdasarkan gambar
Normal P-P Plot Of Regression Standardized Residual dan gambar maka dapat diambil kesimpulan bahwa data telah memenuhi uji normalitas. Untuk
memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorv Smirnov 1 Sample KS dengan melihat data residual
apakah berdistribusi normal Situmorang, et al 59:2008 Menentukan kriteria keputusan :
a. Jika nilai Asymp.Sig. 2-tailed 0,05 maka tidak mengalami gangguan
distribusi normal.
b. Jika nilai Asymp.Sig 2-tailed 0,05 maka mengalami gangguan
distribusi normal.
Tabel 4.13 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 87
Normal Parameters
a
Mean .0000000
Std. Deviation 2.09253746
Most Extreme Differences Absolute .097
Positive .054
Negative -.097
Kolmogorov-Smirnov Z .907
Asymp. Sig. 2-tailed .383
a. Test Distribution is Normal