Uji Heterokedastisitas Uji Normalitas

5.1.3.2. Uji Autokorelasi

Uji autokorelasi pada penelitian ini bertujuan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Tabel 5.7. Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .847 a .718 .691 601.98109 2.119 a. Predictors: Constant, LNX2Z, LNZ, LNXI b. Dependent Variable: Y Sumber : Lampiran – 8 Setelah dilakukan uji autokorelasi, diperoleh nilai Durbin-Watson sebesar 2,119 yang menyatakan du = 1,7987 d = 2,119 4 – du 1,7987 = 2,2013.

5.1.3.3. Uji Heterokedastisitas

Uji heterokedastisitas pada penelitian ini bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Universitas Sumatera Utara Gambar 5.1. Sumber : Lampiran - 8 Grafik scatterplots diatas menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu yang teratur, yang mengindikasikan tidak terjadi heteroskedastisitas. Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil plotting. Semakin sedikit jumlah pengamatan, maka semakin sulit menginterprestasikan hasil grafik plots. Oleh sebab itu diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil yaitu uji glejser pada tabel 5.8. Universitas Sumatera Utara Tabel 5.8. Hasil Uji Glejser Coefficients a Model Unstandardized Standardized T Sig. B Std. Error Beta 1 Constant -3112.904 2248.285 -1.385 .176 LNXI -291.161 187.164 -.515 -1.556 .130 LNZ 635.471 303.557 .547 2.019 .074 LNX2Z -89.790 125.345 -.188 -.716 .479 a. Dependent Variable: AbsUi Sumber : Lampiran – 9 Hasil uji glejser menunjukkan bahwa signifikansi variabel independen pada persamaan regresi tidak signifikan secara statistik LNX1 = 0,130 α = 0,05, LNZ = 0,074 α = 0,05, LNX2Z = 0,479 α = 0,05 maka asumsi homokedastisitas pada data model regresi tidak dapat ditolak. Dari grafik scatterplot dan uji glejser dapat disimpulakn bahwa pada model regresi tidak terjadi heteroskedastisitas.

5.1.3.4. Uji Normalitas

Uji normalitas pada penelitian ini bertujuan untuk menguji apakah variabel pengganggu atau residual pada model regresi berdistribusi normal. Uji-t dan uji-F mengasumsikan bahwa nilai residual harus mengikuti distribusi normal, dan apabila asumsi ini tidak terpenuhi maka penggunaan model regresi untuk prediksi menjadi tidak valid untuk jumlah sampel kecil. Universitas Sumatera Utara Uji statistik untuk menguji normalitas residual pada penelitian ini dengan menggunakan uji statistik non-parametrik Kolmogorov-Smirnov 1-sample K-S test. Tabel 5.9. Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 36 Normal Parameters a Mean .0000000 Std. Deviation 5.75604021E2 Most Extreme Differences Absolute .173 Positive .173 Negative -.123 Kolmogorov-Smirnov Z 1.036 Asymp. Sig. 2-tailed .233 a. Test distribution is Normal. Sumber : Lampiran - 8 Dari hasil uji statistik diperoleh nilai Kolmogorov-Smirnov sebesar 1,036, dan tidak signifikan pada α = 0,05 asymp. Sig = 0,233 0,05. Dengan demikian model regresi memenuhi asumsi normalitas.

5.1.4. Analisis Regresi