Berdasarkan hasil pengujian Normalitas pada tabel di atas dapat
ditunjukkan nilai Kolmogorov-Smirnov Z sebesar 0,749 dengan tingkat signifikan sebesar 0,629. Karena nilai tingkat signifikannya lebih besar
dari 0,05, maka dapat disimpulkan bahwa nilai residual yang dihasilkan mengikuti distribusi normal.
4.4. Uji Asumsi Klasik
Pengujian asumsi klasik atau istilah lain pengujian model analisis
dalam penelitian ini perlu dilakukan. Pemenuhan karakter data sesuai dengan asumsi model analisis sangat diperlukan untuk mendapatkan hasil
yang tidak bias. Model analisis yang dimaksud adalah pengujian model regresi pada persamaan-persamaan dalam penelitian ini. Pengujian yang
dilakukan hanya meliputi uji multikolinieritas dan uji heteroskedastisitas, sedangkan uji autokorelasi tidak dilakukan dikarenakan data yang
digunakan dalam penelitian ini adalah data cross sectional.
4.4.1. Uji Multikolinieritas
Tujuan pengujian ini adalah untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2006: 95.
Kriteria Pengujiannya adalah: 1. Jika besaran VIF 10 maka tidak terjadi multikolinieritas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2. Jika besaran VIF 10 maka terjadi multikolinieritas. Hasil pengujian multikolineritas terlihat pada tabel 4.11., berikut disajikan
tabel 4.11.:
Tabel 4.11. Hasil Multikoliniearitas untuk regresi variabel independent X
1
, X
2
, X
3
terhadap Y sebagai variabel dependen
Coefficients
a
13.532 .647
20.910 .000
-.120 .049
-.621 -2.465
.020 .454
2.204 .107
.051 .540
2.103 .045
.437 2.290
-.037 .036
-.182 -1.041
.307 .945
1.059 Constant
X1 X2
X3 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: Y a.
Berdasarkan hasil pengujian Multikolinieritas pada tabel di atas menunjukkan bahwa semua variabel nilai VIF lebih kecil dari 10 ini
berarti bahwa model analisis tidak terjadi multikolinieritas.
4.4.2. Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas. Model regesi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2006:
125.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Deteksi adanya heteroskedastisitas adalah: 1. Nilai probabilitas 0,05, berarti bebas dari heteroskedastisitas.
2. Nilai probabilitas 0,05, berarti terkena dari heteroskedastisitas. Hasil pengujian heteroskedastisitas terlihat pada tabel 4.12., berikut
disajikan tabel 4.12.:
Tabel 4.12. Hasil Heteroskedastisitas untuk regresi variabel independen X
1
, X
2
, X
3
terhadap Y sebagai variabel dependen
Coefficients
a
.271 .299
.906 .373
.023 .023
.276 1.006
.323 .454
2.204 -.025
.023 -.295
-1.053 .302
.437 2.290
.003 .016
.035 .182
.857 .945
1.059 Constant
X1 X2
X3 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: RES_2 a.
Berdasarkan hasil pengujian Heteroskedastisitas pada tabel diatas menunjukkan bahwa nilai probalibility semua variabel lebih besar dari 5
, sehingga tidak signifikan pada level 5 , ini berarti bahwa model regresi yang dihasilkan tidak terjadi heteroskedastisitas.
4.5. Statistik Deskriptif
