Heteroskedastisitas Multikoliniearitas Analisis Faktor-Faktor Yang Mempengaruhi Keberhasilan Usaha (Studi Kasus Pada Pengusaha Rumah Makan Di Kelurahan Helvetia Tengah Medan)

Pengambilan keputusan : Pada tabel terlihat bahwa nilai Asymp. Sig. 2-Tailed adalah 0,767 dan di atas nilai signifikan 0,05. Dengan kata lain variabel residual berdistribusi normal.

b. Heteroskedastisitas

Pendekatan grafik Dari grafik scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi Heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan konsumen. One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 32 Normal Parameters a,b Mean .0000000 Std. Deviation .36454208 Most Extreme Differences Absolute .118 Positive .118 Negative -.114 Kolmogorov-Smirnov Z .666 Asymp. Sig. 2-tailed .767 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Penelitian, 2012 data diolah Universitas Sumatera Utara Gambar 4.5 Scatterplot Sumber : Hasil Penelitian, 2012 data diolah Pengambilan Keputusan : Pada Gambar 4.5 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena tidak mengalami gangguan heterokedastisitas. Pendekatan Statistik Uji Glejser Tabel 4.11 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant -.546 .642 -.850 .403 Pemasaran -.045 .027 -.331 -1.685 .104 Produksi -.003 .055 -.010 -.047 .963 organisasi dan manajemen -.009 .060 -.046 -.147 .884 Keuangan .214 .101 .606 2.126 .443 a. Dependent Variable: ABSUT Sumber : Hasil Penelitian, 2012 data diolah Pengambilan keputusan : Universitas Sumatera Utara Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, makan ada indikasi terjadi heterokedastisitas. Hasil tampilan output SPSS dengan jelas menunjukkan tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dimpulkan model regresi tidak mengarah adanya heterokedastisitas.

c. Multikoliniearitas

Melihat nilai tolerance dan VIF Uji multikolinearitasbertujuan untuk menguji adanya kolerasi antara variabel independen. Jika terjadi kolerasi maka dinamakan multikol, yaitu adanya masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan dapat dilihat pada Tabel 4.12 sebagai berikut: Tabel 4.12 Uji Multikolinearitas Universitas Sumatera Utara Sumber : Hasil Penelitian, 2012 data diolah Pengambilan Keputusan : Untuk mendeteksi ada tidaknya multikolinieritas dapat dilakukan dengan melihat toleransi variabel dan variance inflations factor VIF dengan membandingkan sebagai berikut : • VIF 5 maka diduga mempunyai persoalan multikolinieritas • VIF 5 maka tidak terdapat multikolinieritas • Tolerance 0,1 maka diduga mempunyai persoalan multikolinieritas • Tolerance 0,1 maka tidak terdapat multikolinieritas. • Dari output di atas terlihat bahwa semua data variabel tidak terkena multikolinieritas karena VIF 5 dan nilai tolerance 0,1.

3. Uji Regresi Linear Berganda a. Regression

Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant Pemasaran .727 1.376 Produksi .569 1.757 organisasi dan manajemen .287 3.482 Keuangan .346 2.893 a. Dependent Variable: keberhasilan usaha Universitas Sumatera Utara Analisis regresi berganda dilakukan untuk mengetahui seberapa besar pengaruh variabel bebas X1, X2, X3 dan X4 terhadap variabel terikat Y pada pengusaha rumah makan di Kelurahan Helvetia Tengah Medan.

b. Uji Goodness of Fit Test