96
Tabel 4. 5 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters
a
Mean .0000000
Std. Deviation 2.52326468E4
Most Extreme Differences Absolute
.126 Positive
.071 Negative
-.126 Kolmogorov-Smirnov Z
.980 Asymp. Sig. 2-tailed
.292 a. Test distribution is Normal.
Besarnya nilai Kolmogorov-Smirnov adalah 0.980 dan signifikan pada 0.292. Dikarenakan nilai Asymp. Sig lebih besar dari 0.05 0.2920.05, maka
model regresi memenuhi asumsi normal. Sekali lagi, hal ini konsisten dengan hasil uji sebelumnya.
2. Uji Multikolinearitas
Multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen, Jika terjadi maka
dinamakan terdapat problem multikolinearitas multiko. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk
mendeteksi adanya problem multiko ini salah satunya dilakukan dengan melihat nilai tolerance TOL dan variance Inflation Factor VIF. Untuk
mendeteksinya dengan cara melihat nilai tolerance dan Variance Inflation
97
Factor VIF. Bahwa apabila nilai tolerance kurang dari angka 0.10 dan nilai VIF melebihi angka 10, maka terjadi masalah multikolinearitas.
2
Untuk lebih jelas dapat dilihat pada tabel berikut:
Tabel 4.6. Uji Multikolinearitas
Berdasarkan hasil printout nilai tolerance yang dihasilkan 0.995 dan nilai VIF
yang dihasilkan yaitu sebesar 1.0005 maka dapat disimpulkan tidak terjadi masalah multikolinearitas.
3. Uji Autokorelasi
Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan
2
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, Semarang: UNDIP, 2006, h. 95.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Correlations
Collinearity Statistics B
Std. Error Beta
Zero- order
Partial Part
Tolerance VIF
1 Constant
48299.894 11758.558
4.108 .000
Inflasi -1507.077
817.480 -.210
-1.844 .070
-.176 -.237
-.210 .995
1.005 JII
123.596 29.264
.482 4.223
.000 .467
.488 .481
.995 1.005
a. Dependent Variable: Total NAB
98
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dikatakan ada autokorelasi.
Untuk mendeteksi terjadi autokorelasi atau tidak dapat dilihat melalui nilai Durbin Watson DW yang bisa dijadikan patokan untuk mnegambil
keputusan adalah:
a Angka D-W di bawah – 2, berarti ada autokorelasi positif.
b Angka D-W diantara – 2 sampai dengan + 2, bearti tidak terjadi
autokorelasi. c Angka D-W + 2, bearti ada autokorelasi negatif.
3
Tabel 4.7. Uji Autokorelasi
Model Summary
b
Mo del
R R
Squa re
Adjusted R
Square Std.
Error of the
Estimate Change Statistics
Durbin- Watson
R Square
Change F
Change df1
df2 Sig. F
Change 1
.512
a
.262 .236
25671.5 0837
.262 10.119
2 57
.000 .188
a. Predictors: Constant, JII, Inflasi b. Dependent Variable: Total NAB
3
Singgih Santoso, Buku Latihan SPSS Statistik Parametrik, Jakarta: PT Elex Media Komputindo, 2000, h. 219.
