82
Tabel 4.14 Uji Linieritas
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate 1 .045
a
.002 -.091
.81986309 a. Predictors: Constant, DKI, KM, CSR, KI
b. Dependent Variable: Unstandardized Residual
Sumber: Data sekunder yang diolah, tahun 2010 Berdasarkan Tabel 4.14 didapat nilai R² sebesar 0,002 dengan jumlah n
unit analisis adalah 48, maka besarnya nilai c² hitung= 48x0,002= 0,096. Nilai ini dibandingkan dengan c² tabel dengan df=43 dan tingkat signifikansi 0,05 didapat
nilai c² tabel sebesar 67,505. Hasil ini menunjukkan bahwa nilai c² hitung c² tabel 0,096 67,505 yang berarti bahwa model regresi memenuhi asumsi
linieritas.
4.1.4. UJI ASUMSI KLASIK
4.1.4.1. UJI MULTIKOLINIERITAS
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi diantara variabel bebas Ghozali, 2006:91. Pengujian
multikolinieritas dapat dilihat dari nilai tolerance nilai tolerance dan lawannya variance inflation factor
VIF. Nilai toleran yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolinieritas adalah nilai tolerance 0,10 atau sama dengan VIF 10. Jadi, koefisien antar variabel independen bebas dari
83
multikolinieritas apabila nilai VIF 10 atau nilai tolerance 0,10. Hasil pengujian multikolinieritas selengkapnya dapat dilihat pada Tabel 4.15 berikut :
Tabel 4.15 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t Sig.
Collinearity Statistics
B Std. Error Beta
Tolerance VIF
1 Constant -1.560 1.456 -1.071
.290 X1 .051
.019 .363
2.647 .011
.814 1.229
X2 -.124 .059
-.312 -2.081
.043 .683
1.464 X3 .001
.006 .029
.202 .840
.759 1.317
X4 .006 .022
.042 .293
.771 .739
1.353 a. Dependent Variable: Y
Sumber: Data sekunder yang diolah, tahun 2010 Berdasarkan Tabel 4.15 hasil pengujian menunjukkan tidak terjadi
multikolinieritas dalam model regresi yang diuji. Hal ini ditunjukkan dengan nilai tolerance dari semua variabel independen yang lebih dari 0,1 nilai tolerance
0,1. Hasil pertimbangan VIF menunjukkan tidak ada satupun variabel independen yang memiliki VIF lebih dari 10 VIF 10.
4.1.4.2. UJI AUTOKORELASI
Uji autokolerasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada peride t dengan kesalahan
pengganggu pada periode t-1 sebelumnya Ghozali, 2006:95. Untuk mengetahui ada atau tidaknya autokorelasi dapat dilakukan dengan menggunakan
uji Durbin-Watson DW test. Pengambilan keputusan ada tidaknya autokorelasi bisa didasarkan pada Tabel 4.16 berikut :
84
Tabel 4.16 Tabel Pengujian Autokorelasi
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada korelasi negatif
Tidak ada korelasi negatif Tidak ada autokorelasi positif atau
negatif Tolak
No decision Tolak
No decision Tidak
ditolak 0 d dl
dl ≤ d ≤ du
4 – dl d 4 4 – du
≤ d ≤ 4 - dl du d 4 - du
Sumber: Ghozali, 2006
Berdasarkan tabel pengujian autokotelasi dapat disimpulkan bahwa tidak ada
autokorelasi apabila nilai d adalah du d 4 – du dengan batas du 1,76 atau 1,76 d
2,24 Ghozali, 2006:98. Hasil pengujian autokorelasi dapat dilihat pada Tabel 4.17
berikut :
Tabel 4.17 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate Durbin-Watson
1 .584
a
.342 .280
.820678 2.122
a. Predictors: Constant, X4, X1, X3, X2 b. Dependent Variable: Y
Sumber: Data sekunder yang diolah, tahun 2010 Hasil analisis menunjukkan nilai Durbin-Watson sebesar 2,122, nilai
tersebut lebih dari 1,76 dan kurang dari 2,24 sehingga dapat disimpulkan tidak terjadi autokorelasi.
85
4.1.4.3. UJI HETEROSKEDASTISITAS