5.1.3. Uji Signifikansi Secara Parsial Partial Test T-tests
Uji t dilakukan untuk mengetahui pengaruh variabel bebas secara parsial terhadap variabel tidak bebas. Dengan melihat signifikansi dari hasil uji t setiap
variabel independen, maka koefisien variabel pendapatan, dependency ratio, dan dummy
sumber pendapatan utama rumah tangga berpengaruh signifikan terhadap tabungan rumah tangga Provinsi DKI Jakarta. Sedangkan variabel umur dan
pendidikan kepala rumah tangga tidak signifikan memengaruhi tabungan rumah tangga.
5.2. Pengujian Asumsi Model
Untuk mendapatkan estimator yang unbiased, linier, dan mempunyai varian yang minimum Best Linier Unbiased Estimators = BLUE, kita dapat
menggunakan metode OLS. Adapun beberapa asumsi yang harus dipenuhi sebelum menggunakan metode OLS adalah memenuhi asumsi kenormalan,
terbebas dari heterokedastisitas, autokorelasi dan multikolinieritas.
5.2.1. Uji Normalitas
Salah satu asumsi yang harus dipenuhi suatu model OLS adalah kenormalan. Pemeriksaan ini dapat dilakukan dengan melihat Normal Probability
Plot of Residual dimana jika nilai data ini berpencar di sekitar garis lurus melintang, maka dikatakan normal.
Sumber: Hasil Olahan SPSS 16.0 Gambar 5.1. Normal P-P Plot of Regression Standardized Residual
Untuk menentukan apakah error berdistribusi normal, perlu dilakukan pengujian hipotesis dengan Uji Kolmogorov-Smirnov. Jika asymp sig. pada
output Kolmogorov-Smirnov 5, maka data terdistribusi normal, dan sebaliknya. Nilai sig. kolmogorov smirnov menunjukkan 0,2 diatas 0,05, maka
bisa dikatakan residual berdistribusi normal.
5.2.2. Uji Multikolinieritas
Untuk mengetahui ada tidaknya multikolinieritas, dengan melihat nilai tolerance 0,1 10 dan nilai VIF 10, maka data tidak mengalami
multikolinieritas, dan sebaliknya. Berdasarkan hasil output SPSS, semua variabel independen memiliki nilai tolerance 0,1 10 dan nilai VIF 10. Sehingga
dapat dikatakan model terbebas dari multikolinieritas.
5.2.3. Uji Heteroskedastisitas
Heterokedastisitas dilakukan dengan melihat nilai Regression Standardized Predicted Value
Std. Predicted Value dan Regression Studentized Residual Std. Residual
. Apabila kedua nilai tersebut membentuk pola tertentu, maka dapat disimpulkan telah terjadi heterokedastisitas. Untuk melihat adanya
heteroskedastisitas dapat dipakai scatter plot antara nilai Y regresi yang distandarisasi dengan residual regresinya.
Sumber: Hasil Olahan SPSS 16.0 Gambar 5.2. Scatterplot
Untuk mengetahui ada tidaknya heterokedastisitas, dapat dilakukan dengan menggunakan Gletzer Test. Jika asymp sig. pada masing-masing variabel
independen 5, maka data tidak mengalami heteroskedastisitas, dan sebaliknya. Dari hasil output SPSS, asymp sig semua variabel independen 5. Sehingga
dapat dikatakan model terbebas dari heterokedastisitas.
5.2.4. Uji Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya t -1. Secara sederhana adalah bahwa
analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data
observasi sebelumnya. Nilai Durbin-Watson sebesar 1,864 artinya bahwa tidak ada autokorelasi.
5.3. Faktor-Faktor yang Memengaruhi Tabungan Rumah Tangga
Kategori