prasyarat dan hasil uji prasarat menunjukan hal yang bagus maka selanjutnya melakukan analisis regresi.
Adapun Penelitian ini dibantu dengan program aplikasi SPSS adalah Statistic Package For The Social Sciences SPSS.
Model analisis penelitian secara matematis dapat dituliskan melalui suatu fungsi sebagai berikut :
Y = f X1,X2,X3,X4,X5 Persamaan Struktural:
Y = βo+ β1X1+β2X2+β3X3+β4X4+β5X5+ e 1 Keterangan :
Y = Tingkat Konsumsi X1 = Pendapatan
X2 = Usia X3 = Gaya Hidup
X4 = Izin Keimigrasian X5 = Tabungan
Β0- β5 = Koefesien Regresi e1 = Term of error
3.6. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yaitu distribusi data dengan
bentuk lonceng bell Shaped menurut Umar 2000 “uji normalitas berguna untuk mengetahui apakah variabel dependen, independen atau keduanya berdistribusi
normal, mendekati normal atau tidak. Jika data ternyata tidak berdistribusi normal, analisis non parametrik termasuk model-model regresi dapat digunakan”. Untuk
menguji normalitas digunakan 2 dua metode pengujian yaitu Normal p_plot dan diagram histogram. Mendeteksi apakah data distribusi normal atau tidak dapat
diketahui dengan menggambarkan penyebaran data melalui sebuah grafik. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka
model regresi memenuhi asumsi normalitas. Kenormalan data juga dapat dilihat dengan melihat diagram histogram dimana keputusan pengambilan kesimpulan
yaitu jika grafik histogram tidak condong ke kiri dan ke kanan maka data penelitian berdistribusi normal atau sebaliknya.
3.7. Uji Multikolinieritas
Erlina dan Mulyani 2007 menyebutkan “Multikolineritas adalah situasi adanya korelasi variabel antara yang satu dengan yang lainnya”. Selanjutnya
Nugroho 2005 menyebutkan “uji multikolineritas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel
independen lain dalam satu model”. Kemiripan antarvariabel independen dalam suatu model akan menyebabkan terjadinya korelasi yang sangat kuat antara suatu
model independen dengan variabel independen yang lain. Pada penelitian ini untuk mendeteksi terhadap multikolineritas dengan melihat Variance Inflation
Factor VIF pada model regresi. Menurut Nugroho 2005 “Deteksi multikolineritas pada suatu model dapat dilihat bila nilai Variance Inflation
Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari multikolineritas VIF = 1Telerance, dan bila
VIF = 10 maka Tolerance = 110 = 0,1. Semakin tinggi VIF maka semakin rendah Tolerance”.
3.8. Uji Heterokedastisitas