condition index. Pada pembahasan ini akan dilakukan uji multikolinearitas dengan melihat nilai inflation factor VIF pada model regresi.
Menurut Santoso pada umumnya jika VIF lebih besar dari 5, maka varibel tersebut mempunyai persoalan multikolinearitas dengan varibel bebas
lainnya.
6
Tabel 3.6 Uji Multikolinearitas
Coefficients
a
Model Collinearity
Statistics Tolerance
VIF 1
Pelatihan .971
1.030 Pengembangan
.971 1.030
a. Dependent Variable: Etos kerja
Dari hasil diatas dapat diketahui nilai Variance Inflation Factor VIF kedua variable, yaitu pelatihan dangn pengembangan adalah, lebih kecil dari
5. Disimpulkan bahwa variabel independen tidak terjadi multikolinearitas.
6
Dwi Prianto, Mandiri belajar SPSS Untuk Analisis Data dan Uji Statistik, Yogyakarta : Mediakom, 2003, cet 3, h.39
c Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari satu pengamatan
ke pengamatan yang lain tetap, hal tersebut dinamakan heterokedastisitas.
Model regresi yang baik adalah tidak terjadi heterokedastisitas.
Untuk mengetahui ada tidaknya heterokedastisitas pada suatu model regresi, maka dapat dilihat pada scatterplot model tersebut.
Dengan ketentuan sebagai berikut:
a Titik-titik data menyebar di atas dan di sekitar angka 0 b Titik-titik data tidak mengumpul hanya dibawah saja
c Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar
kembali d Penyebaran titik-titik data sebaiknya tidak berpola.
Gambar 3.2 Uji Heterokedastisitas
Dilihat dari gambar di atas, sama halnya dengan prinsip normalitas uji heterokedastisitas dapat dideteksi dengan melihat penyebaran data
titik. Maka berdasarkan pada gamabar di atas, pada scatterplotnya dapat dilihat titik-titiknya menyebar di derah positif dan negatif serta tidak
membentuk pola, sehingga dapat disimpulkan data tersebut tidak ada masalah heterokedastisitas Homokedastisitas.
d Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Dengan ketentuan
sebagai berikut:
