Gambar 4.2 Kurva Normal P-Plot
2. Uji Multikolinieritas
Multikolinieritas adalah keadaan dimana antara variabel independen saling berkorelasi satu dengan yang lainnya. Untuk
mengetahui ada atau tidaknya multikolinieritas dapat dilihat dari nilai VIF Variance Inflation Factor dari suatu variabel independen. Nilai VIF yang
lebih besar dari 10 menunjukan bahwa adanya gejala multikolinieritas dalam model regresi.
Hasil pengujian terhadap multikolinieritas dalam penelitian ini menunjukkan bahwa seluruh variabel terbebas dari gejala
multikolinieritas. Hal ini ditandai dengan nilai VIF variabel independen tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1. Hasil
Universitas Sumatera Utara
pengujian multikolinieritas dalam penelitian ini dapat dilihat pada tabel 4.4 di bawah ini.
Tabel 4.4 Hasil Pengujian Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 Constant
LNSIZE .998
1.002 LNAGE
.996 1.005
LNPPS .994
1.006
Sumber : data yang diolah
3. Uji Heteroskedastisitas
Pengujian mengenai heteroskedastisitas dalam penelitian ini menggunakan grafik Scatter Plot. Untuk mengetahui ada atau tidaknya
heteroskedastisitas adalah dengan melihat ada tidaknya pola tertentu dalam grafik Scatter Plot. Apabila ada pola tertentu, seperti titik-titik yang
membentuk pola yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Apabila tidak ada pola tertentu, maka tidak terjadi
heteroskedastisitas. Hasil pengujian menunjukan bahwa titik-titik dalam grafik tersebut
tidak membentuk pola yang jelas, melainkan titik-titik dalam grafik tersebut menyebar diatas dan dibawah atau disekitar angka 0. Dengan
Universitas Sumatera Utara
demikian dapat disimpulkan bahwa tidak terjadi heteroskedastisitas sehingga model regresi dapat digunakan dalam penelitian ini. Grafik
Scatter Plot pengujian heteroskedastisitas dapat dilihat pada gambar 4.3 di bawah ini.
Gambar 4.3 Grafik Scatter Plot
4. Uji Autokorelasi
Untuk menguji apakah terdapat autokorelasi atau tidak dalam penelitian ini digunakan pendeteksian menggunakan Durbin Watson
DW. Apabila nilai Durbin Watson berada dibawah angka 2 maka tidak ada autokorelasi Lubis et all, 2007:33. Pengujian autokorelasi
Universitas Sumatera Utara
menggunakan Durbin Watson dalam penelitian ini menunjukkan bahwa nilai DW data adalah sebesar 1,946. Hal ini menunjukkan bahwa variabel
terbebas dari Autokorelasi karena nilai tersebut berada dibawah angka 2. Hasil uji autokorelasi dengan Durbin Watson dapat dilihat pada tabel 4.5
dibawah ini. Tabel 4.5
Pengujian Autokorelasi menggunakan Durbin-Watson
Model Durbin-Watson
1 1.946
Sumber : data yang diolah
4.2.3 Analisis Regresi Linier Berganda