45 asumsi normalitas dan bisa dilakukan pengujian asumsi klasik berikutnya pada
data.
4.2.2.2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang
lain Erlina,
2011. Pendeteksian
ada tidaknya
heteroskedastisitas dapat dilakukan dengan uji Glejser. Heteroskedastisitas tidak terjadi jika nilai t
hitung
t
tabel
dengan tingkat signifikansi sebesar 0,05, dan nilai signifikansi lebih besar daripada 0,05. Heteroskedastisitas terjadi jika t
hitung
t
tabel
, dan nilai signifikansi lebih kecil daripada 0,05.
Hasil uji heteroskedastisitas dengan melakukan uji Glejser adalah sebagai berikut:
Tabel 4.3 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
14545.256 15648.785 .929
.359 PAD
-.285 .107
-.698 -.665
.051 DAU
.098 .040
.630 .424
.072 SiLPA
-.098 .204
-.078 -.481
.633 a. Dependent Variable: AbsRes
Sumber: Diolah dari SPSS 17.0
Universitas Sumatera Utara
46 Berdasarkan hasil Uji Glejser di atas, dapat dilihat bahwa pada tabel
Coefficientsa nilai sig. semua variabel independen lebih besar dari 0,05 5.
Sehingga dapat disimpulkan tidak terjadi heteroskedastisitas 4.2.2.3. Uji Autokorelasi
Uji autokorelasi ini digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi. Model regresi yang baik adalah model
yang tidak mengandung autokorelasi. Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini :
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .991
a
.983 .981
61345.960 2.139
a. Predictors: Constant, SiLPA, DAU, PAD b. Dependent Variable: OPA
Sumber: Diolah dari SPSS 17.0
Berdasarkan hasil penelitian, nilai Durbin-Watson sebesar 2,139. Angka ini lebih besar dari 1 dan lebih kecil dari 3. Secara ringkas : 1 2,319 3. Durbin-
Watson berada di antara dua angka batasan korelasi. Maka dapat disimpulkan bahwa model regresi linear tidak terjadi autokorelasi.
4.2.2.4. Uji Multikolinearitas