100 Watson test terutama digunakan untuk sampel besar namun dengan jumlah di
bawah 100 observasi. Uji ini memang lebih tepat digunakan dibandingkan uji LM. Tabel 34. Hasil Pengujian Autokorelasi Tabel Durbin Watson
Tampilan output menunjukkan bahwa kolom Durbin Watson bernilai 1.025 yang berada diantaran nilai -2 sd 2 sehingga tidak terjadi auto korelasi.
3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Pengujian Heteroskedastisitas dalam penelitian ini menggunakan uji analisis grafik dan Uji Glejser. Pada Uji Glejser jika nilai t
hitung
lebih kecil dari t
tabel
dan nilai signifikansi lebih besar dari 0,05 maka tidak terdapat Heteroskedastisitas.
Tabel 35. Hasil Pengujian Heteroskedastisitas
Berdasarkan pada hasil output persamaan regresi di atas besarnya koefisien regresi seluruh variabel independent tidak ada yang signifikan secara statistik
mempengaruhi variabel ABS_res. Hal ini terlihat dari probabilitas signifikasinya
Model Summary
b
.588
a
.346 .323
1.87376 1.025
Model 1
R R Square
Adjusted R Square
St d. Error of the Estimate
Durbin- Wat son
Predictors: Constant, X3, X1, X2 a.
Dependent Variable: Y b.
Coeffi ci ents
a
252.397 72.882
3.463 .001
-2.910 .878
-.389 -.315
.591 -.005
.064 -.010
-.083 .934
.003 .026
.010 .097
.923 Constant
X1 X2
X3 Model
1 B
St d. Error Unstandardized
Coef f icients Beta
St andardized Coef f icients
t Sig.
Dependent Variable: abs_res a.
101 memiliki nilai diatas 0,05 sehingga dapat disimpulkan bahwa tidak terjadi
Heteroskedastisitas.
4. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Cara mendeteksi data
berdistribusi normal atau tidak dengan analisis grafik dan uji statistik.
Gambar 5. Hasil Pengujian Normalitas dengan Grafik Histogram
Gambar 6. Hasil Pengujian Normalitas dengan Normal Probability Plot
Regression Standardized Residual
4 3
2 1
-1 -2
Frequency
20 15
10 5
Histogram Dependent Variable: Y
Mean =-2.41E-14 Std. Dev. =0.983
N =91
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Ex pec
ted C
um P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Y
102 Berdasarkan grafik histogram tampak bahwa residual terdistribusi secara
normal dan berbentuk simetris tidak menceng ke kanan atau ke kiri. Pada grafik normal probability plot titik-titik menyebar berhimpit di sekitar diagonal dan hal ini
menunjukkan bahwa residual terdistribusi secara normal. Tabel 36. Hasil Pengujian Normalitas One-Sample Kolmogorov-Smirnov Test
Berdasarkan uji normalitas dengan Kolmogorov-Smirnov Test besarnya nilai KSZ adalah 1,069 dan signifikan pada 0,181
lebih besar dari α=0,05 maka dapat disimpulkan data residual berdistribusi normal.
5. Uji Linieritas
