commit to user pada linearity sebesar 0,039 p0,05. Oleh karena nilai signifikansi yang
dihasilkan kurang dari 0,05 maka dapat disimpulkan bahwa terdapat hubungan yang linear.
2. Uji asumsi klasik
a. Uji multikolinearitas Uji multikolinearitas digunakan untuk mengetahui ada atau
tidaknya penyimpangan asumsi klasik multikolinearitas, yaitu adanya hubungan linear antara variabel independen dalam model regresi.
Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Pada pembahasan ini uji multikolinearias dilakukan
dengan melihat nilai inflation factor VIF pada model regresi. Pada umumnya, apabila nilai VIF lebih besar dari 5, maka suatu variabel bebas
mempunyai persoalan multikolinearitas dengan variabel bebas yang lain Priyatno, 2009. Hasil uji multikolinearias penelitian ini sebagai berikut:
Tabel 10 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
Constant 25.158
8.900 2.827 .008
Dukungan Sosial Keluarga
.441 .128
.564 3.434 .002
.692 1.445
Persepsi Terhadap Status Sosial
Ekonomi .066
.120 .090
.547 .588
.692 1.445
a. Dependent Variable: Harga Diri
commit to user Berdasarkan hasil penghitungan di atas, dapat diketahui bahwa
nilai variance inflation factor VIF kedua variabel bebas, yaitu dukungan sosial keluarga dengan persepsi terhadap status sosial ekonomi
adalah 1,445. Hal tersebut menunjukkan bahwa antar variabel independen tidak terdapat persoalan multikolinearitas, karena nilai VIF
yang didapat kurang dari 5. b. Uji heteroskedastisitas
Salah satu asumsi dalam regresi berganda adalah uji heteroskedastisitas. Asumsi heteroskedastisitas adalah asumsi dalam
regresi di mana varians dari residual tidak sama untuk satu pengamatan ke pengamatan yang lain. Dalam regresi, salah satu asumsi yang harus
dipenuhi adalah bahwa varians, dari residual dari satu pengamatan ke pengamatan yang lain tidak memiliki pola tertentu. Salah satu uji untuk
heteroskedastisitas ini adalah dengan melihat penyebaran dari varians tersebut Santosa, 2005. Hasil uji heteroskedastisitas penelitian ini
sebagai berikut :
Gambar 3 Grafik Scatterplot untuk Pengujian Heteroskedastisitas
commit to user Pada grafik di atas terlihat titik-titik yang ada tersebar secara
merata, tidak terkumpul pada 1 tempat saja sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
c. Uji autokorelasi Uji autokorelasi digunakan untuk mengetahui ada tidaknya
penyimpangan asumsi klasik autokorelasi, yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan yang lain pada model
regresi. Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi. Pengujian autokorelasi dalam penelitian ini
menggunakan uji Durbin-Watson DW dengan ketentuan jika d lebih kecil dari dL atau lebih besar dari 4-dL maka terdapat autokorelasi, jika
d terletak antara dU dan 4-Du maka tidak ada autokorelasi, dan jika d terletak antara dL dan dU atau di antara 4-dU dan 4-dL maka tidak
menghasilkan kesimpulan yang pasti. Nilai dL dan dU dilihat di tabel DW Priyatno, 2009.
Tabel 11 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .619
a
.383 .346
6.922 2.068
a. Predictors: Constant, Persepsi Terhadap Status Sosial Ekonomi, Dukungan Sosial Keluarga
b. Dependent Variable: Harga Diri
commit to user Hasil penghitungan menunjukkan bahwa nilai DW sebesar 2,068.
Hasil tersebut menjelaskan bahwa tidak terdapat masalah autokorelasi dalam penelitian ini, dari tabel DW dengan signifikansi 0,05 dan jumlah
data n 36, serta k=2 jumlah variabel independen diperoleh nilai DW sebesar 2,068 berada di antara 1,587 dU dan 2,413 4-Du, maka data
tidak mengalami autokorelasi.
3. Uji hipotesis
