39
diagonal menunjukkan adanya penyebaran datayang mendekati normal. Hasil pengujian normalitas ini dapat dilihat pada gambar berikut ini.
Gambar 4.4 Hasil Uji Normalitas
Gambar tersebut menunjukkan bahwa titik-titik residual model regresi sudah berdistribusi normal karena titik-titik tersebut yang menyebar di sekitar
garis diagonal. Dengan demikian syarat kenormalan sebagai pengujian statistik menggunakan regresi dapat terpenuhi.
2. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linearada korelasi antara kesalahan penggangu pada periode t dengan kesalahan
Universitas Sumatera Utara
39
pengganggu pada t-1 sebelumnya. Metode pengujian yang sering digunakan adalah dengan uji Durbin-Watson dengan ketentuan sebagai berikut :
a. Jika d lebih kecil dari dL atau lebih besar dari 4-dL maka hipotesis nol
ditolak yang berarti terdapat autokorelasi. b.
Jika d terletak antara dU dan 4-dU, maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
c. Jika d terletak antar dL dan dU atau diantara 4-dU dan 4-dL, maka tidak
menghasilkan kesimpulan yang pasti.
Tabel 4.1 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square
Adjusted R
Square Std. Error of
the Estimate Change Statistics
Durbin- Watson
R Square
Change F
Change df1 df2
Sig. F Change
1 ,057
a
,003 -,073 4664738,115
,003 ,042
1 13
,841 1,132
Sumber: Hasil Uji SPSS
Berdasarkan output diatas, diketahui nilai DW = 1,132, selanjutnya nilai ini akan kita bandingkan dengan nilai tabel signifikan 5, jumlah sampel N = 15 dan
jumlah variabel independen 2 K=2 dl = 0,95 maka diperoleh du=1,54 .
Nilai DW = 1,132 lebih kecil dari batas atas du yakni 1,54 dan kurang dari 4-du. 4-1,54 =
2,46 sehingga dapat disimpulkan tidak terdapat autokorelasi.
3. Uji Multikoleniaritas
Menurut Rahayu 2004 umumnya multikoleniaritas dapat diketahui dari nilai dari Variance Inflation Factor VIF atau tolerance value. Batas tolerance
value adalah 10. Apabila hasil analisis menunjukkan nilai VIF dibawah nilai 10
Universitas Sumatera Utara
39
dan tolerance value diatas nilai 0,10 maka tidak terjadi multikoleniaritas sehingga model reliable sebagai dasar analisis.
Tabel 4.2 Hasil Uji Multikoleniaritas
Collinearity Statistics Tolerance
VIF 1,000
1,000
Sumber: Hasil Uji SPSS
Hasil pengujian dalam tabel 4.2 menunjukkan bahwa semua variabel yang digunakan sebagai prediktor model regresi menunjukkan nilai VIF yang cukup
kecil, dimana semuanya berada di bawah 10 dan nilai tolerance semua variabel berada diatas 0,10. Hal ini berarti bahwa variabel-variabel bebas yang digunakan
dalam penelitian tidak menunjukkan adanya gejala multikolinieritas, yang berarti bahwa semua variabel tersebut dapat digunakan sebagai variabel yang saling
independen
4. Uji Heteroskedastisitas