Tabel 5.6 Uji Multikolinearitas
Coefficientsa
Collinearity Statistics
Model Tolerance
VIF Keterangan
1
Constant Tingkat Pelayanan
.783 1.017
Non multikolinearitas
Kemampuan Membayar .687
1.013
Non multikolinearitas
Kemauan Membayar .396
1.004
Non multikolinearitas
a Dependent Variable: Penerimaan Retribusi Sampah
Sumber: Lampiran 7.
Berdasarkan tabel 5.6 di atas, diketahui bahwa pada umumnya tidak adanya
korelasi yang terjadi di antara variabel bebas, karena nilai Variance Inflation Factor VIF
kurang dari 10 dan nilai Tolerance 0,10, sehingga dapat disimpulkan tidak terdapat gejala
multikolinearitas di antara variabel bebas.
5.2.3 Hasil Uji Heteroskedastisitas
Pengujian asumsi klasik yang ketiga pada penelitian ini adalah Uji Heteroskedastisitas.
Heteroskedastisitas merupakan situasi di mana dalam model regresi terjadi
ketidaksamaan variance dari residual satu observasi ke observasi yang lain. Model regresi
yang baik adalah yang bersifat homoskedastisitas atau tidak terjadi
Universitas Sumatera Utara
heteroskedastisitas. Salah satu cara yang digunakan untuk mendeteksi ada tidaknya gejala
heterokedastisitas ini adalah dengan melihat grafik scatterplot. Pendeteksian dilakukan
dengan melihat ada tidaknya pola tertentu pada grafik sccatterplot. Metode regresi linier
berganda terbebas dari asumsi klasik heteroskedastisitas dan layak digunakan dalam
penelitian jika output scatter plot menunjukkan titik data menyebar di atas dan di bawah
atau di sekitar angka nol. Hasil uji yang dilakukan terlihat dalam Gambar 5.1 dibawah ini.
Gambar 5.1 Scatterplot
Sumber: Lampiran 7
Universitas Sumatera Utara
Dari gambar scatter plot di atas terlihat bahwa titik‐titik data tidak membentuk pola
penyebaran tertentu, melainkan menyebar secara acak di sekitar titik nol dan dengan
demikian dapat disimpulkan bahwa tidak terdapat gejala heteroskedastisitas dalam data
penelitian ini.
Cara kedua untuk menguji heteroskedastisitas yaitu dengan uji Glejser. Ada dua
tahapan yang dilakukan dalam uji Glejser. Tahap pertama adalah melakukan regresi OLS
dengan menggunakan Y sebagai variabel terikat dan X
1
, X
2
, dan X
3
sebagai variabel bebas guna
mendapatkan variabel residual Ut yang kemudian nilainya diabsolutkan AbsUt dengan
memakai perintah yang ada dalam program SPSS. Tahap kedua adalah meregresikan variabel
absolut AbsUt sebagai variabel terikat dan variabel X
1
, X
2
, dan X
3
sebagai variabel bebas.
Jika variabel bebas X
1
, X
2
, dan X
3
signifikan secara statistik mempengaruhi variabel terikat,
dalam hal ini nilai Absolut Ut AbsUt, maka ada indikasi terjadi heterokedastisitas, begitu
pula bila terjadi yang sebaliknya Ghozali, 2005: 108. Nilai probabilitas signifikan yang
dipakai di atas tingkat kepercayaan 5. Hasil Uji Glejser ini terlihat dalam tabel 5.7 berikut.
Tabel 5.7 Uji Heteroskedastisitas Coefficientsa
Unstandardized Coefficients
Standardized Coefficients
Model B
Std. Error
Beta T
Sig.
1
Constant -3.071
1.531 -1.006
.058
Universitas Sumatera Utara
Tingkat Pelayanan .343
.056 .528
1.156 .178
Kemampuan Membayar -.106
.039 -.236
-1.753 .107
Kemauan Membayar -.031
.034 -.078
-.916 .362
a Dependent Variable: absu
Sumber: Lampiran 7
Berdasarkan hasil yang diperoleh seperti terlihat dalam tabel 5.7 di atas dapat
dilihat bahwa tingkat signifikansi masing‐masing variabel bebas 5, sehingga dapat
disimpulkan bahwa tidak terjadi gejala heteroskedastisitas.
5.3 Hasil Pengujian Hipotesis
