55
oleh variabel independen lainnya. Nilai VIF yang semakin besar menunjukkan masalah multikolinier yang semakin serius.
1. Jika nilai Tolerance 0,1 atau nilai VIF 5, maka terjadi multikolinieritas.
2. Jika nilai Tolerance 0,1 atau nilai VIF 5, maka tidak terjadi
multikolinieritas.
Tabel 4.9 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
2.887 3.927
.735 .465
Kepemimpinan .227
.100 .243
2.266 .027
.999 1.001
Pengetahuan Kewirausahaan
.439 .092
.510 4.756
.000 .999
1.001 a. Dependent Variable: Keberhasilan Usaha
Sumber Hasil Pengohan Kuesioner 2017 data diolah
Berdasarkan Tabel 4.9 terlihat bahwa tidak terdapat multikolinieritas pada
data variabel karena nilai toleransi Tolerance Value 0,1 dan VIF 5. Oleh karena itu, data dalam penelitian ini dikatakan tidak mengalami masalah
multikoliearitas.
4.3.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah sebuah grup mempunyai varians yang sama di antara anggota grup tersebut. Jika varians sama
maka dikatakan homoskedastisitas, jika tidak sama maka dikatakan heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi
Universitas Sumatera Utara
56
heteroskedastisitas . Alat untuk menguji heteroskedastisitas terbagi dua, yaitu analisis grafik dan analisis statistik.
a. Analisis Grafik Data grafik ditunjukkan oleh titik-titik yang menyebar di atas dan di
bawah angka 0 sumbu Y. Jika titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu, maka tidak terjadi heteroskedastisitas pada model
regresi. Sedangkan jika titik-titik menyebar membentuk suatu pola tertentu, maka terjadi heteroskedastisitas.
Sumber Hasil Pengohan Kuesioner 2016 data diolah Gambar 4.3
Pengujian Heteroskedastisitas Scatterplot
Berdasarkan pada Gambar 4.3, terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas baik di atas maupun di
bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada
Universitas Sumatera Utara
57
model regresi, sehingga model regresi layak dipakai untuk memprediksi minat berwirausaha berasarkan masukan variabel independen kecerdasan emosional,
efikasi diri dan lingkungan eksternal. b. Analisis Glesjer
Analisis Glejser mengusulkan untuk meregresi nilai absolute residual terhadap variable independen. Jika variable independen signifikan secara statistic
mempengaruhi variable dependen maka ada indikasi terjadi heteroskedastisitas.
Tabel 4.10 Uji Glesjer
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
-.768 1.977
-.389 .699
Kepemimpinan .099
.050 .246 1.973
.153 Pengetahuan
Kewirausahaan -.030
.046 -.081
-.654 .516
a. Dependent Variable: Absut_Res2
Sumber: Hasil Pengolahan Kuesioner 2017 data diolah.
Berdasarkan Tabel 4.10, terlihat bahwa tidak satupun variabel independen kepemimpinan dan pengetahuan kewirausahaan yang tidak signifikan secara
statistik mempengaruhi variabel dependen absolut Ut absUt. Hal ini terlihat dari probabilitas kepemimpinan 0,153 dan pengetahuan kewirausahaan 0,516
signifikansinya di atas tingkat kepercayaan 5 0,05. Dapat disimpulkan bahwa model regresi tidak mengarah adanya heteroskedastisitas.
Universitas Sumatera Utara
58
4.4 Analisis Regresi Linear Berganda