2. Jika nilai Asymp.Sig. 2-tailed 0,05 maka mengalami gangguan
distribusi normal.
Tabel 4.5 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
118 .0000000
.49914129 .045
.045 -.036
.486 .972
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z As ymp. Sig. 2-tailed
Unstandardiz ed Res idual
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2010
Pengambilan keputusan: Pada Tabel 4.5 terlihat bahwa Asymp. Sig. 2-tailed adalah 0,972 dan
diatas nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.
2. Pengujian Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heterokedastisitas terjadi jika residual tidak memiliki varians yang konstan. Pemeriksaan terhadap gejala heterokedastisitas adalah dengan melihat pola
Universitas Sumatera Utara
diagram pencar yaitu grafik yang merupakan diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi.
a. Model grafik
Hipotesis: 1
Jika diagram pencar yang ada membentuk pola- pola tertentu yang teratur maka regrasi mengalami gangguan heterokedastisitas.
2 Jika diagram pencar yang ada tidak membentuk pola- pola tertentu
yang teratur maka regrasi tidak mengalami gangguan heterokedastisitas.
Regression Standardized Predicted Value
2 1
-1 -2
-3
R eg
re ss
io n
S tu
d en
ti ze
d R
es id
u al
3 2
1 -1
-2 -3
Scatterplot Dependent Variable: PLU
Gambar 4. 3 Scatterplot Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2009
Universitas Sumatera Utara
Pada Gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu tidak mengalami gangguan heterokedastisitas.
b. Model Glejser
Menentukan kriteria keputusan: 1.
Jika nilai signifikan 0,05, maka tidak mengalami gangguan heterokedastisitas.
2. Jika nilai signifikan 0,05, maka mengalami gangguan
heterokedastisitas.
Tabel 4.6 Uji Glejser
Coefficients
a
.007 .343
.019 .985
-.043 .077
-.063 -.551
.583 .108
.060 .167
1.781 .078
.032 .054
.068 .607
.545 Constant
KDP Transportasi
BSK Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Dependent Variable: abs ut a.
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2010
Pada Tabel 4.6 tampak bahwa signifikasi variabel bebas lebih besar dari 0,05, maka tidak mengalami gangguan heterokedastisitas.
3. Pengujian Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya
masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan dapat dilihat pada Tabel 4.9
sebagai berikut:
Universitas Sumatera Utara
Tabel 4.7 Uji Multikolinearitas
Coefficients
a
.007 .343
.019 .985
-.043 .077
-.063 -.551
.583 .654
1.528 .108
.060 .167
1.781 .078
.969 1.032
.032 .054
.068 .607
.545 .670
1.492 Constant
KDP Transportasi
BSK Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: abs ut a.
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 15.0, 2010
Hasil pengujian: Pedoman suatu model regresi yaitu bebas multikolinieritas adalah dengan
melihat Variance Inflation Factor VIF 5 maka variabel ada masalah multikolinieritas, dan jika VIF 5 maka tidak terdapat masalah multikolinieritas.
Jika Tolerance 0,1 maka variabel ada masalah multikolinieritas, dan jika Tolerance 0,1 maka variabel tidak terdapat masalah multikolinieritas Pada
Tabel 4.9 dapat dilihat bahwa nilai VIF 5 dan Tolerance 0,1 maka tidak ditemukan masalah multikolinieritas dalam penelitian ini.
C. Analisis Data