Data tersebut kemudian digolongkan ke dalam kategori kecenderungan Latar Belakang Keluarga pada tabel 23 di bawah ini.
Tabel 23. Kategori Kecenderungan Variabel Kesiapan Berwirausaha
Interval Skala Kategori
Frekuensi Persentase
̅92 Sangat Siap
112 58.64
76,67 ̅ ≤92 Siap
75 39.27
61,33 ̅ ≤76,67 Kurang Siap
4 2.09
46 ̅ ≤61,33 Tidak Siap
̅≤46 Sangat Tidak Siap
Total 191
100
Sumber: Data primer yang diolah Berdasarkan tabel 23 di atas dari 191 responden diambil sebagai
sampel, diketahui sebanyak 112 58.64 siswa menilai indikator variabel kesiapan berwirausaha sangat siap, sebanyak 74 38.74
siswa memilih siap sebanyak 4 2.09, siswa memilih kurang siap, dan sisanya sebanyak 0 0.00 siswa memilih tidak siap dan sangat
tidak siap.
2. Hasil Uji Prasarat
a. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan korelasi antar variebel bebas. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak
ortogonal. Disebut ortogonal jika korelasi antar variabel bebas sama dengan nol.
Multikolinieritas dideteksi dengan menggunakan nilai Tolerance dan Variance Inflation Factor VIF.
Kriteria Pengujian: Jika VIF 10, maka Ho ditolak
Jika VIF ≤ 10, maka Ho diterima Hasil Uji multikolinieritas dengan metode VIF sebagai berikut:
Tabel 24. Hasil Uji Multikolinieritas dengan Metode VIF
Variabel VIF
Nilai Kritis Keterangan
X1 1,467
10 tidak terkena multikolinieritas
X2 1,522
10 tidak terkena multikolinieritas
X3 1,055
10 tidak terkena multikolinieritas
Sumber: Lampiran Hasil Olah Data Uji VIF Berdasarkan hasil uji multikolinieritas dengan metode VIF, nilai
VIF ≤ 10, artinya semua variabel bebas tidak terjadi multikolinieritas sehingga tidak membiaskan hasil analisis regresi.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varian dari suatu residual
pengamatan ke pengamatan yang lain. Cara untuk mengetahui heteroskedastisitas adalah dengan melihat grafik scatter plot antara
nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Jika membentuk pola tertentu berarti terjadi heteroskedastisitas, jika
tidak membentuk pola tertentu berarti tidak terjadi heteroskedastisitas.
Dasar Pengujian: 1
Jika ada pola tertentu terdapat titik-titik poin-poin yang ada membentu suatu pola beraturan, maka terjadi heteroskedastisitas.
2 Jika tidak ada pola yang jelas serta titik-titik menyebar ke atas dan
di bawah 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil Uji heteroskedastisitas dengan scatter plot sebagai berikut:
Gambar 2. Scatter Plot Uji Heteroskedastisitas Berdasarkan Hasil Uji heteroskedastisitas dengan menggunakan
Scatter Plot tidak ada pola yang jelas serta titik-titik menyebar ke atas dan di bawah 0 pada sumbu Y. Hal ini berarti model yang diestimasi
bebas dari heteroskedastisitas.
c. Uji Normalitas
