commit to user
62
dengan kecemasan komunikasi interpersonal terdapat hubungan yang linier. Hasil perhitungannya dapat dilihat pada tabel di bawah ini.
Tabel 17 Hasil Uji Linieritas Antara Variabel Penerimaan Diri dengan
Kecemasan Komunikasi Interpersonal
ANOVA Table
Sum of Squares
df Mean
Square F
Sig. Kecemasan
Komunikasi Interpersonal
Penerimaan Diri Between
Groups Combined
5843.105 30
194.770 2.728
.001
Linearity
3113.705 1
3113.705 43.615
.000
Deviation from
Linearity 2729.400
29 94.117
1.318 .188
Within Groups 3855.083
54 71.390
Total 9698.188
84
2. Uji Asumsi Klasik
c. Uji Multikolinearitas Uji multikolinieritas digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik multikolinieritas, yaitu adanya hubungan linier antar variabel independen dalam model regresi. Prasyarat yang harus
terpenuhi dalam model regresi adalah tidak adanya multikolinieritas. Dalam uji multikolinieritas ini akan melihat nilai variance inflation factor VIF
pada model regresi. Menurut Santoso 2001, pada umumnya jika VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinieritas
dengan variabel bebas lainnya dalam Priyatno, 2009. Dari hasil perhitungan, dapat diketahui nilai VIF kedua variabel,
yaitu variabel kestabilan emosi dan penerimaan diri adalah 1,051 yang lebih kecil dari 5, sehingga bisa diambil kesimpulan bahwa antarvariabel
commit to user
63
kestabilan emosi
dan penerimaan
diri tidak
terjadi persoalan
mulitikulinearitas. Hasil perhitungan dapat dilihat pada tabel di bawah ini.
Tabel 18 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
178.929 10.971
16.310 .000
Kestabilan Emosi
-.314 .073
-.361 -4.288
.000 .952
1.051
Penerimaan Diri
-.638 .110
-.487 -5.779
.000 .952
1.051
a. Dependent Variable: Kecemasan Komunikasi Interpersonal
d. Uji Heteroskedastisitas Uji Heteroskedastisitas digunakan untuk mengetahui ada atau tidak
penyimpangan asumsi
klasik heteroskedastisitas,
yaitu adanya
ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Prasyaratan yang harus terpenuhi dalam model regresi adalah tidak
adanya gejala heteroskedastisitas Priyatno,2008. Menurut Priyatno 2009 Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat
dilihat pada pola gambar Scatterplot yang menyatakan bahwa model tersebut tidak terdapat gejala heteroskedastisitas, jika:
1 Titik-titik data menyebar di atas dan di bawah atau di sekitar angka nol. 2 Titik-titik data membentuk pola yang tidak jelas.
Untuk lebih jelasnya dapat dilihat pada pola gambar berikut ini:
commit to user
64
Gambar 2 Pola gambar Scatterplot
Dari hasil analisis pola gambar Scatterplott di atas dapat dilihat bahwa pola gambar tersebut tidak menunjukkan adanya gejala
heteroskedastisitas sehingga model dalam penelitian ini terbebas dari heteroskedastisitas.
e. Uji Autokorelasi Uji Autokorelasi digunakan untuk mengetahui ada atau tidak
penyimpangan asumsi klasik autokorelasi, yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi.
Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi Priyatno, 2008. Metode pengujian yang digunakan adalah
Uji Durbin-Watson uji DW, dengan ketentuan jika d terletak antara dU dan 4-dU, maka tidak ada autokorelasi. Hasil analisis menunjukkan nilai
Durbin-Watson sebesar 2,126 dan hasil tersebut disimpulkan bahwa model
commit to user
65
ini tersebas dari autokorelasi. Untuk lebih jelasnya dapat dilihat pada gambar 2 berikut ini:
Tidak ada autokorelasi
0 dl du 2 4-du
4-dl 4
2,126 nilai hitung Durbin Watson
Gambar 2 Pengujian Autokorelasi
Penentuan nilai du dan dl seperti terlihat pada gambar di atas berdasarkan pada tabel uji durbin Watson dengan k=2 dan N=85 k=jumlah
variabel bebas dan N= jumlah sampel maka diperoleh nilai dl=1,5995 dan niali du=1,6957. Perhitungan selanjutnya 4-du 4-1,6957=2,3043 dan 4-dl
4-1,5995=2,4005. Hasil analisis diperoleh nilai Durbin-Watson sebesar 2,126 sehingga terletak di daerah tidak ada autokorelasi sehingga model ini
terbebas dari autokorelasi. Hasil perhitungan dapat dilihat pada tabel dibawah:
Tabel 19 Uji autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .667
a
.445 .432
8.099 2.126
a. Predictors: Constant, Penerimaan Diri, Kestabilan Emosi b. Dependent Variable: Kecemasan Komunikasi Interpersonal
2,3043 2,4005
1,69577 1,5995
Daerah Keragu-
raguan Autokorelasi
Negatif Daerah
Keragu- raguan
Autokorelasi Positif
commit to user
66
3. Uji Hipotesis
