Grafik H HASIL PENELITIAN DAN PEMBAHASAN

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