Gambar 4.3 Grafik Normal P-P Plot setelah transformasi data
Sumber : Data yang diolah penulis, 2009 Dari grafik normal P-P Plot diatas terlihat titik-titik menyebar disekitar garis
diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikolinieritas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Ghozali 2005:91 mengemukakan bahwa pengujian
Universitas Sumatera Utara
multikolinieritas dapat dilakukan dengan melihat nilai Variance Inflation Factor VIF dan korelasi diantara variabel independen.
Jika nilai VIF 10 dan Tolerance 0.10 maka tidak terjadi multikolinieritas, dan sebaliknya. Selain itu suatu model dikatakan terdapat gejala multikolinieritas,
jika korelasi diantara variabel bebas mempunyai korelasi lebih besar dari 0,9. Berikut disajikan table hasil pengujian.
Tabel 4.6 Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 Constant
LN_BBBL .734
1.362 LN_BTKL
.946 1.057
LN_BOP .715
1.398
Sumber : Data yang diolah penulis, 2009
Dari hasil pengujian pada table diatas, maka dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas antara variabel bebas, dimana dengan dasar nilai VIF
untuk setiap variabel bebas tidak ada yang melebihi 10, dan nilai tolerance tidak ada yang kurang dari 0,1. Oleh karena itu maka dapat dilakukan analisis lebih lanjut
c. Uji Autokorelasi
Ghozali 2005:95 menyatakan uji auto korelasi bertujuan untuk melihat apakah dalam suatu model regresi linier ada korelasi antar kesalahan penganggu pada
Universitas Sumatera Utara
periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena observasi yang
berurutan sepanjang tahun yang berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi
lainnya. Hal ini sering ditemukan pada data runtut waktu time series, karena gangguan pada individukelompok cenderung mempengaruhi gangguan pada
individukelompok yang sama pada perode berikutnya. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah
dengan menggunakan nilai uji Durbin Watson dengan ketentuan sebagai berikut: 1
Jika DW batas atas d
u
, maka tidak ada autokorelasi. 2
Jika DW batas bawah d
L
, maka terjadi autokorelasi. 3
Jika d
L
DW d
u,
tidak dapat diketahui terjadi autokorelasi atau tidak.
Tabel 4.7 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .765
a
.585 .541
.29379 1.792
a. Predictors: Constant, LN_BOP, LN_BTKL, LN_BBBL b. Dependent Variable: LN_LK
Sumber : Data yang diolah penulis, 2009
Universitas Sumatera Utara
Dari table diatas dapat dilihat bahwa nilai statistic DW sebesar 1,792 du sebesar 1,65 diperoleh dari DW table pada
α 0,05. Dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi.
d. Uji Heteroskedastisitas
