Pada Tabel 4.6 terlihat bahwa Asymp.Sig. 2-tailed adalah 0,852, dan diatas
nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal. 2. Pengujian Heteroskedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain, heteroskedastisitas terjadi jika
residual tidak memiliki varians yang konstan. Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram pencar yaitu grafik yang
merupakan diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi.
1. Model grafik
Hipotesis: a.
Jika diagram pencar yang ada membentuk pola-pola teratur maka regresi mengalami gangguan heteroskedastisitas.
b. Jika diagram pencar yang ada tidak membentuk pola-pola tertentu
yang teratur
maka regresi
tidak mengalami
gangguan heteroskedastisitas.
Negative -.089
Kolmogorov-Smirnov Z .609
Asymp. Sig. 2-tailed .852
Sumber : Hasil Penelitian 2013
Universitas Sumatera Utara
Sumber : Hasil Penelitian 2013
Gambar 4.3 Scatterplot
Pada Gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu berarti tidak mengalami gangguan heteroskedastisitas.
2. Model Glejser
Menentukan kriteria keputusan: a.
Jika nilai signifikan ≥ 0,05 maka tidak mengalami gangguan
heteroskedastisitas. b.
Jika nilai signifikan ≤ 0,05 maka mengalami heteroskedastisitas.
Data model Glejser disajikan pada Tabel 4.7 berikut ini:
Universitas Sumatera Utara
Tabel 4.7
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 3.516
1.331 2.642
.011 Keselamatan
-.074 .069
-.227 -1.085
.284 Kesehatan
.160 .102
.372 1.565
.125 Keamanan
-.151 .069
-.377 -2.183
.035
Sumber : Hasil Penelitian 2013
Pada Tabel 4.7 tampak bahwa signifikan variabel bebas lebih besar dari 0,05 maka tidak mengalami heteroskedastisitas.
3. Pengujian Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya masalah
multikolineaitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan data untuk pengujian multikolinearitas
disajikan pada Tabel 4.8 berikut ini:
Tabel 4.8
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.343 2.332
.147 .884
keselamatan .322
.120 .310
2.676 .011
.474 2.109
Kesehatan .546
.179 .401
3.048 .004
.367 2.724
Keamanan .405
.121 .320
3.341 .002
.694 1.442
Sumber : Hasil Penelitian 2013
Universitas Sumatera Utara
Hasil pengujian: Pedoman suatu model regresi yaitu bebas multikol adalah dengan melihat
Variance Inflation Factor VIF ≥ 5 maka variabel ada masalah multikol, dan jika
VIF ≤ 5 maka tidak terdapat masalah multikol. Jika Tolerence ≤ 0,1 maka variabel
ada masalah multikol, dan jika Tolerence ≥ 0,1 maka variabel tidak terdapat masalah
multikol. Pada tabel 4.12 dapat dilihat bahwa nilai VIF ≤ 5 dan Tolerence ≥ 0,1 maka
tidak ditemukan masalah multikolinearitas dalam penelitian ini.
4.2.2 Analisis Regresi Linear Berganda
