Hasil Uji Analisis Deskriptif
Tabel.4 Rangkuman Hasil Uji Multikolinearitas dengan melihat inflation factor VIF
Model Collinearity Statistics
Keterangan Tolerance
VIF X
1
0.964 1.037
Tidak Multikolineritas
X
2
0.964 1.037
Tidak Multikolineritas
Sumber: Data Primer yang Diolah Dari hasil uji multikolinearitas di atas, dapat diketahui nilai
variance inflation factor VIF semua variabel independen kurang dari 10 dan nilai tolerance masing-masing variabel diatas 10, sehingga
uji multikolineritas terpenuhi. d. Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota dalam data runtut waktu time series. Keberadaan autokorelasi yang signifikan
mengakibatkan koefisien regresi tidak konsisten, meskipun tidak bias. Pengujian adanya fenomena autokorelasi dalam data yang dianalisis
dapta dilakukan dengan menggunakan Durbin Watson Test. Tabel.5 Rangkuman Uji Autokorelasi
Tingkat Autokorelasi DW Jenis Autokorelasi
4 -DW.L DW 4 4 -DW.U DW 4 –DW.L
1,612 1,826 2,388 DW.L DW DW.U
0 DW DW. L Ada Autokorelasi negatif
Tanpa kesimpulan Tidak Ada Autokorelasi
Tanpa Kesimpulan Ada Autokorelasi positif
Sumber: Lampiran Hasil Olah Data Durbin Watson, 2014. Hasil perhitungan Durbin-watson dibandingkan dengan nilai
d
tabel
pada α=0.05. Tabel d memiliki dua nilai, yaitu nilai batas atas
d
U
dan nilai batas bawah d
L
untuk berbagai nilai n dan k. Sanusi 2011. Data bebas dari autokorelasi apabila dudw4-du. Nilai DW
sebesar 1,826 dengan d
tabel
pada α=0.05 dan N = 44, k = 2 diperoleh
dL = 1,4226 dan dU = 1,6120, 4–dU = 2,388. Nilai DW = 1,826 terletak diantara 1,6120 – 2,388 sehingga dapat disimpulkan tidak
terjadi autokorelasi. e. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heterokedastisitas, yaitu adanya
ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Pengujian heterokedastisitas pada penelitian ini
dilakukan dengan melihat pola gambar Scatterplot.
Gambar.2 Pola Scatterplot
Pada pola gambar Scatterplot di atas terlihat bahwa titik-titik menyebar secara acak, baik di bagian atas angka 0 atau di bagian
bawah angka 0 dari sumbu vertikal atau sumbu Y. Selain itu penyebaran titik- titik data tidak membentuk pola. Dengan demikian
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas dalam model regresi ini.