commit to user
76
Tabel 4.8 Hasil Uji Linieritas antara Dukungan Sosial dengan Intensi Berwirausaha
ANOVA Table
Sum of Squares
df Mean
Square F
Sig. intensi
berwirausaha dukungan sosial
Between Groups
Combined 11030.143
48 229.795 6.161 .000
Linearity 6062.266
1 6062.266 162.546 .000 Deviation from
Linearity 4967.877
47 105.700 2.834 .000
Within Groups 2349.633
63 37.296
Total 13379.777 111
Tabel di atas menunjukkan bahwa hubungan antara variabel motivasi berprestasi dengan intensi berwirausaha menghasilkan nilai signifikansi pada
Linearity
sebesar 0,000. Karena nilai signifikansi yang dihasilkan lebih kecil dari 0,05 p0,05, maka dapat disimpulkan bahwa antara variabel motivasi berprestasi
dengan intensi berwirausaha terdapat hubungan yang linier. Selanjutnya, antara variabel dukungan sosial dengan intensi berwirausaha juga menghasilkan nilai
signifikansi pada
Linearity
sebesar 0,000. Karena nilai signifikansi yang dihasilkan lebih kecil dari 0,05 p0,05, maka dapat disimpulkan bahwa antara
variabel dukungan sosial dengan intensi berwirausaha juga terdapat hubungan
yang linier.
2. Uji Asumsi Klasik
a. Multikolinieritas
Uji multikolinieritas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinieritas, yaitu adanya hubungan linier
antara variabel independen dalam model regresi Priyatno, 2009. Prasyarat yang
commit to user
77
harus terpenuhi dalam model regresi adalah tidak adanya multikolinieritas. Pada penelitian ini uji multikolinierias dilakukan dengan melihat nilai
variance inflation factor
VIF, apabila nilai VIF tidak lebih dari 10 dan nilai
tolerance
lebih dari 0,1 maka dapat dinyatakan model regresi linier berganda terbebas dari multikolinieritas dan dapat digunakan dalam penelitian.
Tabel 4.9 Hasil Uji Multikolinieritas
Variabel Bebas
Collinearity Statistics Tolerance
VIF Motivasi Berprestasi
0,741 1,350
Dukungan Sosial 0,741
1,350 Sumber: Data Olahan Peneliti 2010
Berdasarkan tabel di atas, dapat diketahui bahwa motivasi berprestasi dan dukungan sosial memiliki nilai
variance inflation factor
VIF sebesar 1,350 tidak lebih dari 10 dan
tolerance
sebesar 0,74 lebih dari 0,1, sehingga model regresi dalam penelitian ini terbebas dari multikolinieritas.
b. Autokorelasi Uji autokorelasi digunakan untuk mendeteksi apakah variabel dependen tidak
berkorelasi dengan dirinya sendiri, baik nilai periode sebelumnya atau nilai periode sesudahnya. Prasyarat yang harus terpenuhi adalah tidak adanya
autokorelasi dalam model regresi. Pengujian autokorelasi dalam penelitian ini menggunakan uji Durbin-Watson DW. Apabila nilai DW diantara 1,5 sampai
dengan 2,5 maka data tidak mengalami autokorelasi. Apabila nilai DW 1,5 disebut memiliki autokorelasi positif, dan apabila nilai DW 2,5 sampai dengan
4 disebut autokorelasi negatif Priyatno, 2008.
commit to user
78
Tabel 4.10 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .782
a
.612 .605
6.901 2.085
Hasil uji autokorelasi menunjukkan nilai Durbin-Watson DW sebesar 2,085, nilai tersebut berada diantara 1,5 sampai 2,5 sehingga dapat dinyatakan bahwa
tidak terjadi autokorelasi. c. Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain. Analisis
pada gambar Scatterplot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas apabila:
1 Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0.
2 Titik-titik data tidak mengumpul hanya di atad atau di bawah saja.
3 Penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali. 4
Penyebaran tidak berpola.
commit to user
79
Bagan 4.3 Hasil Uji Heteroskedastisitas
Hasil dari uji heterokedastisitas menunjukkan bahwa
model
regresi linier berganda yang digunakan dalam penelitian ini tidak terdapat heteroskedastisitas.
Setelah uji asumsi dasar dan uji asumsi klasik terpenuhi, maka dapat dilanjutkan uji hipotesis dengan menggunakan teknik analisis regresi dengan dua prediktor.
3. Uji Hipotesis
