Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa
distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness ke kiri maupun ke kanan
atau normal. Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot.
Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan
bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikolinearitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinearitas
adalah dengan melihat nilai tolerance dan variance inflation factor VIF, menganalisis matrik korelasi variabel-variabel independen, melihat nilai
Condition Index CI serta membandingkan nilai R
2
model utama awal terhadap nilai R
2
dari masing-masing auxilary regression antar variabel independen. Besarnya tingkat kolinearitas yang masih dapat ditolerir, yaitu: Tolerance 0.10,
Variance Inflation Factor VIF 10, Condition Index 10. Berikut disajikan tabel hasil pengujian:
Universitas Sumatera Utara
Model Collinearity Statistics
Tolerance VIF
1 Constant
LG10_LA .864
1.158 LG10_AKO
.981 1.019
LG10_AKI .953
1.049 LG10_AKP
.960 1.042
a. Dependent Variable: LG10_HS
Sumber: Data yang diolah penulis, 2011.
Tabel 4.3. Coefficients
Hasil perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance lebih dari 0,10 yang berarti tidak terjadi korelasi antar variabel
independen. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen memiliki nilai VIF kurang dari 10. Berdasarkan tabel diatas
dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model ini.
Universitas Sumatera Utara
Model LG10_HS
LG10_AKO LG10_AKI
LG10_AKP 1
Correlations LG10_LA
1.000 -.043
-.123 -.362
LG10_AKO -.043
1.000 -.066
-.181 LG10_AKI
-.123 -.066
1.000 -.106
LG10_AKP -.362
-.181 -.106
1.000 Covariances
LG10_LA .017
.000 .021
-.004 LG10_AKO
.000 .024
.000 -.010
LG10_AKI .021
.000 .007
-.003 LG10_AKP
-.004 -.010
-.003 .113
a. Dependent Variable: LG10_HS
Sumber: Data yang diolah penulis, 2011.
Tabel 4.4. Cofficients Correlations
Hasil dari coefficient correlations tersebut menunjukkan tidak ada korelasi yang tinggi diatas 0,90, maka hal ini merupakan indikasi tidak adanya
multikolonieritas.
c. Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan
menggunakan program SPSS. Dasar pengambilan keputusannya adalah: 1
jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terartur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas,
Universitas Sumatera Utara
2 jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran
titik-titik pada gambar.
Gambar 4.3. Scatterplot
Sumber: Data yang diolah penulis, 2011. Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta
tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Adanya
titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain .
Universitas Sumatera Utara
d. Uji Autokorelasi