Dari uji normalitas terhadap data yang telah di transformasi, pada grafik P-P Plot terlihat titik – titik menyebar di sekitar garis horizontal yang mengindikasikan
bahwa residual terdistribusi secara normal. Pada uji dengan mempergunakan analisa One – Sample Kolmogorov , terlihat nilai sigma 0,05 sebesar 0,481 yang
menandakan bahwa regresi memenuhi asumsi normalitas.
5.2.2 Pengujian multikolonieritas
Untuk menentukan terjadi atau tidak terjadinya multikolonieritas didalam model, dapat dilihat dari nilai Variance Inflactor Factor VIF dan nilai tolerance
yang diperoleh Ghozali, 2009. Nilai VIF dan tolerance dapat dilihat pada tabel 5.4 dibawah. Dari hasil pengujian dapat dilihat nilai VIF yang lebih kecil dari 10 dan
nilai tolerance yang lebih besar dari 0,10. Hal ini menunjukkan tidak terjadi multikolonieritas.
Tabel 5.4 Collinearity Statistics
Model Collinearity Statistics
Tolerance VIF
1 Constant
LnUP .756
1.323 LnSTAKT
.905 1.105
LnPP .923
1.083 LnPROF
.700 1.429
LnLEVOPR .968
1.033 LnSTKEP
.809 1.236
LnRB .880
1.136
Universitas Sumatera Utara
5.2.3 Pengujian heteroskedastisitas
Uji heteroskedastisitas pada penelitian ini mempergunakan grafik scatterplots antara nilai residu variabel dependen SRESID dengan nilai prediksi variabel
independen ZPRED. Pendeteksian ada atau tidaknya heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplots antara SRESID dan
ZPRED, dimana Y adalah nilai residual dan X adalah nilai prediksi. Apabila terlihat titik – titik menyebar secara acak tanpa membentuk pola tertentu, maka
heteroskedastisitas tidak terjadi pada model regresi. Melalui pengujian pada data sebelum transformasi, terlihat titik – titik tidak
menyebar secara acak dan cenderung membentuk pola tertentu. Hal ini menunjukkan adanya heteroskedastisitas pada model regresi.
Gambar 5.3 Uji Heteroskedastisitas Dengan Grafik Scatterplot Sebelum Transformasi
Universitas Sumatera Utara
Setelah data di transformasikan, maka dapat dilihat pada gambar 5.4 dibawah titik –titik menyebar secara acak baik diatas maupun dibawah angka 0 pada sumbu Y.
Hal ini menunjukkan tidak terjadi heteroskedastisitas pada model regresi.
Gambar 5.4 Uji Heteroskedastisitas Dengan Grafik Scatterplot Setelah Transformasi
5.2.4 Pengujian autokorelasi
Berdasarkan pengujian autokorelasi melalui pengujian Durbin Watson, diperoleh nilai d untuk persamaan regresi yang diajukan sebesar 2,290 yang dapat
dilihat pada tabel 5.5. Model yang tidak memiliki autokorelasi dengan asumsi dl d du 4-dl. Dengan melihat pada tabel Durbin Watson, diperoleh nilai dl = 1,571 dan
nilai du = 1,826, maka 1,571 2,290 1,826 4-1,571 . Hal ini berarti variabel gangguan antara satu periode dengan periode lain tidak saling berkorelasi.
Universitas Sumatera Utara
Tabel 5.5 Model Summary
Model R
R Square Adjusted R Square Std. Error of the
Estimate Durbin-Watson
1 .483
a
.233 .184
.7826596 2.290
a. Predictors: Constant, LnRB, LnSTKEP, LnLEVOPR, LnPP, LnSTAKT, LnUP, LnPROF b. Dependent Variable: LnSM
5.3 Hasil Pengujian Hipotesis
