Hasil uji Heteroskedastisitas dengan Scatter Plot Hasil uji Heteroskedastisitas dengan Glejser

69 pada sumbu Y maka disimpulkan suatu model regresi dianggap tidak terdapat masalah heteroskedastisitas.

4.4.3.1 Hasil uji Heteroskedastisitas dengan Scatter Plot

Gambar 4.3 Uji Heteroskedastisitas dengan Scatter Plot Sumber : Hasil Pengolahan SPSS 2015 Pada gambar 4.3 menunjukkan bahwa titik – titik menyebar secara acak, maka dapat disimpulkan tidak terjadi heteroskedastitas.

4.4.3.2 Hasil uji Heteroskedastisitas dengan Glejser

Uji Heteroskedastisitas dengan Glejser memiliki kriteria jika nilai Sig 0,05, maka tidak terjadi heteroskedastisitas. Tabel 4.15 Uji Heteroskedastisitas dengan Glejser Co e ffic ie n ts a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 6,326 1,481 4,271 ,000 Motivasi ,016 ,093 ,023 ,168 ,867 ,586 1,70 6 Kepribadian -,251 ,083 -,400 -3,023 ,003 ,629 1,59 1 ketersediaan_informasi -,048 ,091 -,074 -,532 ,596 ,573 1,74 5 Universitas Sumatera Utara 70 a. Dependent Variable: absut Sumber : Hasil Pengolahan SPSS 2016 Pada Tabel 4.15 terlihat semua variabel bebas memiliki nilai Sig 0,05, maka dapat disimpulkan bahwa tidak terjadi Heteroskedastisitas.

4.5 Analisis Regresi Linear Berganda

Berdasarkan hasil uji di atas dibuktikan bahwa data telah lulus uji asumsi klasik, sehingga data siap untuk diregresi linear berganda. Hasil analisis regresi linear berganda dengan menggunakan bantuan program SPSS for windows dapat dilihat pada tabel berikut ini. Tabel 4.16 Analisis Regresi Linear Berganda Co e ffic ie n ts a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -,474 2,459 -,193 ,848 Motivasi ,640 ,155 ,386 4,132 ,000 ,586 1,706 Kepribadian ,364 ,138 ,238 2,639 ,010 ,629 1,591 ketersediaan_informasi ,496 ,151 ,309 3,278 ,002 ,573 1,745 a. Dependent Variable: keberhasilan_usaha Sumber : Hasil Pengolahan SPSS 2015 Berdasarkan hasil perhitungan data seperti yang terlihat pada Tabel 4.16 kolom kedua Unstandardized Coefficients bagian B diperoleh nilai b1 variabel motivasi sebesar 0,640, nilai b2 variabel kepribadian sebesar 0, 364, nilai b3 variabel ketersediaan informasi sebesar 0, 496 dan nilai konstanta a sebesar -474 sehingga diperoleh persamaan regresi linear berganda: Y= -474 + 0,640 X 1 + 0,364 X 2 + 0,496 X 3 Dari persamaan tersebut dapat digambarkan sebagai berikut: Universitas Sumatera Utara