67
c. Uji Heteroskedastisitas
Dalam penelitian
ini, untuk mendeteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan
keputusannya adalah: 1
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terartur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas, 2
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau
terjadi homoskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi
heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.5 Scatterplot
Sumber: Data yang diolah penulis, 2009.
Universitas Sumatera Utara
68
Tabel 4.11 Uji Glejser
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
.543 .220
2.469 .018
LG10_AKO -.018
.056 -.051
-.320 .751
LG10_AKI .044
.227 .031
.194 .847
1
LG10_AKP -.087
.105 -.133
-.824 .415
a. Dependent Variable: ABS_UT
Sumber: Data yang diolah penulis, 2009.
Tabel 4.12 Uji Park
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
-2.529 1.787
-1.415 .165
LG10_AKO .049
.457 .017
.106 .916
LG10_AKI .567
1.845 .050
.307 .760
1
LG10_AKP -.516
.857 -.098
-.601 .551
a. Dependent Variable: LN_RES_RES
Sumber: Data yang diolah penulis, 2009.
Dari grafik
scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya
data observasi yang sangat berbeda dengan data observasi yang lain .
Universitas Sumatera Utara
69 Hasil tampilan output SPSS untuk uji glejser dengan jelas menunjukkan tidak
ada indikasi terjadi heteroskedastisitas. Menurut Ghozali 2005: 109 indikasi tidak terjadinya heteroskedastisitas terlihat dari probabilitas signifikansinya di atas
tingkat kepercayaan 0,05. Dari hasil regresi variabel independen terhadap variabel dependen nilai absolut unstandardized residual Abs_Ut tampak bahwa
variabel LG10_AKO memiliki signifikansi 0,751, variabel LG10_AKI memiliki signifikansi 0,847 dan variabel LG10_AKP memiliki signifikansi 0,415 dimana
nilai signifikansi masing-masing variabel independen di atas tingkat kepercayaan 0,05 yang berarti tidak terjadi gejala multikolinearitas. Hal ini konsisten dengan
hasil uji scatterplots. Uji park dilakukan dengan meregres nilai logaritma natural dari kuadrat
residual sebagai variabel dependen terhadap variabel-variabel independen. Menurut Ghozali 2005: 108 “apabila koefisien parameter beta dari persamaan
regresi tersebut signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi terdapat heteroskedastisitas, dan sebaliknya”.
Hasil tampilan output SPSS menunjukkan koefisien parameter untuk variabel independen tidak ada yang signifikan, yaitu 0,916 untuk variabel LG10_AKO
0,916 0,050, 0,760 untuk variabel LG10_AKI 0,760 0,050 dan 0,551 untuk variabel LG10_AKP 0,551 0,050. Maka dapat disimpulkan bahwa model
regresi tidak terdapat heteroskedastisitas.
Universitas Sumatera Utara
70
d. Uji Autokorelasi