Sumber: L Be
regresi lay plot terlih
mengikuti mengguna
Gambar 4
Gambar 4
Sumber: L Lampiran 1
erdasarkan yak dipakai
hat titik-titi i arah garis
akan grafik .2 Grafik hi
4.2 Grafik H
Lampiran 1 Output SPS
Gambar 4. i dalam pen
ik menyeba s diagonal
histogram, istogram be
Histogram
Output SPS SS
.1 output r nelitian ini k
ar disekitar sehingga m
hasil uji n erikut:
SS
regresi diata karena pada
r garis diag memenuhi a
normalitas d as diketahu
a grafik nor gonal serta
asumsi norm data juga da
ui bahwa m rmal proba
a penyebara malitas. De
apat dilihat 74
74 model
ability annya
engan pada
Universitas Sumatera Utara
75
Berdasarkan Gambar 4.2 grafik histogram diatas menunjukkan bahwa bentuk gafik mengikuti bentuk lonceng yang berarti bahwa model regresi
berdistribusi normal. Selain itu hasil uji normalitas juga dapat dilihat menggunakan one sample kolmogorov-smirnov, yang disajikan pada Tabel 4.11
Berikut ini: Tabel 4.11
Output Uji Kolmogorov-Smirnov Unstandardized Residual
N 30 Asymp. Sig. 2-tailed
0,922 Sumber: Lampiran 1 Output SPSS
Berdasarkan Tabel 4.11 Uji Kolmogorov-Smirnov di atas, diperoleh hasil signifikansi Asymp. Sig. 2-tailed sebesar 0,600 taraf signifikansi 0,05. Nilai
tersebut menunjukkan bahwa data yang diambil berdistribusi normal karena signifikansi Asymp. Sig. 2-tailed lebih besar dari taraf signifikansi.
2. Hasil Uji Asumsi Klasik
Model regresi linear berganda multiple regression dapat dikatakan sebagai model yang baik jika model tersebut memenuhi criteria BLUE Best
Linear Unbiased Estimator. BLUE dapat dicapai bila data terdistribusi normal dengan menggunakan uji normalitas serta terbebas dari gejala autokorelasi,
multikolinearitas, dan heteroskedastisitas Setyadharma, 2010. a. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel bebas Priyatno, 2011. Metode pengujian yang biasa digunakan adalah dengan melihat nilai Inflation Factor
VIF dan tolerance pada model regresi. Jika nilai VIF kurang dari 10 dan tolerance lebih dari 0,1 maka model regresi terbebas dari masalah
multikolinearitas. Hasil uji multikolinearitas dapat dilihat pada Tabel 4.12 berikut:
Universitas Sumatera Utara
76
Tabel 4.12 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
constant X1 0,278
3,596 X2 0,220
4,551 X3 0,832
1,202 X4 0,630
1,586 Sumber: Lampiran 1 Output SPSS
Berdasarkan Tabel 4.12 hasil uji multikolinearitas di atas, dapat diketahui bahwa nilai VIF seluruh variabel independen kurang dari sepuluh dan nilai
tolerance lebih dari 0,1. Hasil tersebut menunjukkan bahwa keempat variabel independen terbebas dari masalah multikolinearitas.
b. Uji Heteroskedastisitas Uji heteroskedastisitas digunakan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan varian dari residual pada satu pengamatan ke pengamatan lain. Model regresi yang baik adalah jika tidak mengalami masalah
heteroskedastisitas. Metode yang bisa digunakan untuk menentukan terjadi masalah heteroskedastisitas adalah dengan uji korelasi spearman, uji glejser, uji
park, dan scatterplot nilai prediksi ZPRED dengan residual SRESID. Model Regresi terbebas dari asumsi heteroskedastisitas apabila grafik scatterplot
membentuk pola dengan titik-titik menyebar diatas maupun dibawah sumbu Y. Hasil uji heteroskedastisitas dapat dilihat pada Gambar 4.3 berikut:
Universitas Sumatera Utara
Gambar 4
Sumber: L Be
pola yang sumbu Y
masalah h heterosked
berikut:
Tabel 4.13 Model
constant X1
X2 X3
X4
Sumber: L Be
keofisien v
4.3 Grafik S