analisis regresi liner, uji asumsi klasik
Post on 03-Jun-2018
233 Views
Preview:
TRANSCRIPT
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 1/24
Analisis Regresi Linier: Uji Asumsi Klasik 121
BAB VIIIANALISIS REGRESI LINIER :UJI ASUMSI KLASIK
8.1. ASUMSI KLASIK DALAM ANALISIS REGRESI LINIER
Uji asumsi klasik dilakukan untuk mengetahui apakah
model estimasi telah memenuhi kriteria ekonometrika, dalam
arti tidak terjadi penyimpangan yang cukup serius dari asumsi-
asumsi yang harus dipenuhi dalam metode Ordinary Least
Square (OLS). Terdapat enam asumsi yang diperlukan dalam
penaksiran OLS, yaitu:
1. Rata-rata kesalahan pengganggu (e) sama dengan nol;
2. Kesalahan pengganggu berbentuk distribusi normal;
3. Kesalahan pengganggu tidak berkorelasi dengan Variabel
Independen;4. Tidak adanya Autokorelasi antar gangguan (e);
5. Tidak adanya Multikolinearitas; dan
6. Varian kesalahan pengganggu tetap atau homoskedastisitas
(tidak terjadi Heteroskedastisitas);
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 2/24
122 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
Penyimpangan dari asumsi klasik yang pertama
menyebabkan terjadinya penyimpangan dari estimasi terhadap
besarnya konstanta. Akan tetapi, penyimpangan estimasi
terhadap besarnya konstanta dalam hal ini kurang begitu
menggangu, karena yang diperhitungkan dalam penelitian
adalah besarnya pengaruh perubahan Variabel Independen
terhadap Variabel Dependen. Begitu juga dengan asumsi yang
kedua, jika tidak terpenuhi maka tidak terlalu berpengaruh
terhadap kesahihan hasil regresi dan akan tetap dapat
diperolehnya hasil estimator OLS yang Best Linear Unbiased
Estimator (BLUE). Sedangkan untuk penyimpangan pada
asumsi ketiga umumnya terjadi pada model persamaan
simultan dan tidak pernah terjadi pada model persamaan
tunggal. Oleh karena itu, dalam analisis regresi berganda yang
perlu diperhatikan dan diuji adalah ada tidaknya penyimpanganterhadap asumsi keempat (Uji Autokorelasi), kelima (Uji
Multikolinearitas), dan keeman (Uji Hiteroskedastisitas).
Uji Autokorelasi digunakan untuk menguji apakah dalam
sebuah model regresi linier terdapat korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1
(sebelumnya). Autokorelasi jarang dijumpai pada data crosssection dan biasanya terjadi pada data time series (serial
waktu). Multikolinieritas adalah suatu kondisi dimana terjadi
korelasi yang kuat diantara Variabel Independen yang
diikutsertakan dalam pembentukan model regresi linier
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 3/24
Analisis Regresi Linier: Uji Asumsi Klasik 123
berganda. Sedangkan Uji Heteroskedastisitas digunakan untuk
menguji apakah dalam model regresi liner kesalahan
pengganggu mempunyai varians yang sama atau tidak dari
satu pengamatan ke pengamatan yang lain.
Contoh Kasus: Penelitian dengan judul: “Faktor-Faktor
yang Mempengaruhi Tunggakan Cicilan Bulanan Kredit
Perumahan”. Untuk kebutuhan data penelitian tersebut, jumlah
responden yang menjadi sampel sebanyak 38 responden dan
untuk pengambilan data digunakan adalah teknik wawancara
yang dipandu dengan kuesioner. Sebelum melakukan
pengolahan dan analisis data yang memerlukan perhatian
adalah hal-hal sebagai berikut:
1. Hipotesis Penelitian
Hipotesis penelitian yang diajukan adalah “Tunggakan
Pembayaran Cicilan Bulanan Kredit Perumahan (Y)dipengaruhi oleh Tingkat Pendapatan Keluarga (X1), Tingkat
Pendidikan Orang Tua (X2), Rasio Ketergantungan (X3), dan
Besarnya Cicilan Per Bulan (X4)”
2. Definisi Operasional Variabel Penelitian
Variabel Tunggakan Pembayaran Cicilan Bulanan Kredit
Perumahan (Y) dihitung dari besarnya cicikan per bulandikalikan dengan jumlah bulan yang menunggak pada
saat penelitian.
Variabel Tingkat Pendapatan Keluarga (X1) dihitung
dengan menjumlahkan besarnya penghasilan per bulan
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 4/24
124 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
dari pekerjaan rutin dan pekerjaan sampingan, baik
suami maupun istri.
Tingkat Pendidikan Orang Tua (X2) dihitung dengan
menjumlahkan skor tingkat pendidikan terakhir baik
suami maupun istri.
Rasio Ketergantungan (X3) dihitung dengan membagi
antara jumlah anggota keluarga yang tidak bekerja
(menjadi tanggungan yang bekerja) dengan jumlah
anggota keluarga yang bekerja. Besarnya Cicilan Per Bulan (X4) dihitung berdasarkan
besarnya cicilan bulanan kredit perumahan yang dibayar
tiap bulan.
3. Teknik Analisis Data dan Uji Hipotesis
Berdasarkan hipotesis yang diajukan, teknik analisis data
dengan menggunakan Analisis Regresi Berganda denganmodel persamaan: Y = a + b1 X1 + b2 X2 + b3 X3 + b4 X4 + E.
Untuk menguji hipotesis digunakan Uji T (parsial), Uji F
(serempak) dan R2. Sedangkan jenis uji hipotesis
menggunakan uji dua arah dengan tingkat signifikan (α)
sebesar 10%. Selain itu, juga dilakukan uji pemenuhan
asumsi klasik, yaitu Uji Autokorelasi, Uji Heteroskedastisitas,
dan Uji Multikolonearitas.
Hasil pengumpulan data dari 38 responden diperoleh
data sebagai berikut:
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 5/24
Analisis Regresi Linier: Uji Asumsi Klasik 125
Tabel 8.1. Tabulasi Data PenelitianTunggakan Cicilan Bulanan Kredit Perumahan
N Y X1 X2 X3 X4
1 80250 1650000 10 1 802502 86000 1600000 8 1 86000
3 106000 2050000 8 1 1060004 70108 1200000 7 1 701085 680400 1650000 4 2 1701006 66100 1500000 8 2 66100
7 66100 1500000 8 1 661008 111000 1450000 7 3 555009 55500 1250000 8 2 5550010 72500 1525000 9 1 72500
11 324000 600000 7 4 10800012 300000 800000 8 2 15000013 229500 700000 5 3 7650014 1600000 450000 5 5 200000
15 780000 500000 3 3 13000016 423000 700000 6 3 4700017 210000 1000000 6 3 10500018 125000 1125000 10 1 125000
19 405000 700000 6 4 8100020 510000 500000 7 4 85000
21 182100 900000 7 3 6070022 427260 850000 9 3 71210
23 81000 1900000 10 1 8100024 75100 1300000 8 1 7510025 70000 1580000 9 2 7000026 68000 1222000 7 2 68000
27 66500 1650000 8 2 6650028 215850 900000 7 5 7194029 79000 1450000 8 1 7900030 69700 1530000 8 2 69700
31 105500 1690000 9 3 10550032 79000 1750000 6 2 7900033 60710 1250000 7 3 6071034 72000 1200000 8 2 72000
35 61000 1560000 7 2 6100036 120000 1400000 6 2 6000037 490000 700000 5 4 7000038 335000 950000 6 3 67000
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 6/24
126 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
8.1.1. Analisis Regresi Berganda
Untuk melakukan pengolahan data analisis regresi
berganda dengan langkah sebagai berikut:
1. Masukkan data pada Tabel 8.1. ke dalam Data View
Program SPSS. Kemudian klik Variable View, untuk Name
1: Y, Name 2: X1, Name 3: X2, Name 4: X3, dan Name 5:
X5. Untuk Label diisi dengan nama masing-masing variabel.
Gambar 8.1. Tampilan Variable View
2. Untuk mengolah data dengan analisis regresi linier, pilih
menu Analyze, kemudian pilih sub menu Regression danklik Linier , maka akan tampil sebagai berikut:
Gambar 8.2. Menu untuk Analisis Regresi Berganda
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 7/24
Analisis Regresi Linier: Uji Asumsi Klasik 127
Gambar 8.3. Variabel Dependen dan Independen
3. Ketika tampil kotak Linier Regression, klik Tunggakan
Cicilan (Y) dan klik tanda panah (dalam lingkaran) untuk
Dependent. Blok variabel Pendapatan Keluarga (X1),
Tingkat Pendidikan Orang Tua (X2), Rasio Ketergantungan
(X3), dan Besarnya Cicilan Per Bulan (X4) dan klik tanda
panah untuk Independents dan klik OK.
Tabel 8.2. Hasil Pengolahan Data Regresi Linier Berganda
Variables Entered/Removed(b)
Model Variables EnteredVariablesRemoved
Method
1 Besarnya Cicilan per Bulan, Rasio Ketergantungan,Tingkat Pendidikan Ortu, Pendapatan Keluarga(a)
. Enter
a All requested variables entered.b Dependent Variable: Tunggakan Cicilan
Model Summary
Model R R Square Adjusted R SquareStd. Error of the
Estimate
1 ,891(a) ,793 ,768 141329,471
a Predictors: (Constant), Besarnya Cicilan per Bulan, Rasio Ketergantungan,Tingkat Pendidikan Ortu, Pendapatan Keluarga
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 8/24
128 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
ANOVA(b)
Model Sum of Squares df Mean Square F Sig.
1 Regression 2526431372516,881 4 631607843129,220 31,621 ,000(a)
Residual 659142641118,594 33 19974019427,836Total 3185574013635,474 37
a Predictors: (Constant), Besarnya Cicilan per Bulan, Rasio Ketergantungan,Tingkat Pendidikan Ortu, Pendapatan Keluarga
b Dependent Variable: Tunggakan Cicilan
Coefficients(a)
Model
UnstandardizedCoefficients
StandardizedCoefficients t Sig.
B Std. Error Beta
1 (Constant)79880,591 223358,524 ,358 ,723Pendapatan
Keluarga-,144 ,081 -,211 -1,777 ,085
Tingkat PendidikanOrtu
34755,936 17908,076 -,190 -1,941 ,061
RasioKetergantungan
64904,444 30646,127 ,254 2,118 ,042
Besarnya Cicilanper Bulan
5,053 ,746 ,561 6,770 ,000
a Dependent Variable: Tunggakan Cicilan
Berdasarkan Tabel 8.2. bagian Coefficients tersebut di
atas, maka dapat dibuat model regresi linier berganda dengan
persamaan sebagai berikut :
Y = 79880,591 – 0,144 X1 – 34755,936 X2 + 64904,444 X3 +
5,053 X4 + E
Nilai masing-masing koefisien regresi Variabel Independen dari
model regresi linier tersebut memberikan gambaran bahwa:
1. Koefisien Regresi Variabel Pendapatan Keluarga (X1)
sebesar – 0,144 menggambarkan bahwa pendapatan
keluarga mempunyai pengaruh negatif terhadap besarnya
tunggakan cicilan bulanan kredit perumahan, artinya dengan
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 9/24
Analisis Regresi Linier: Uji Asumsi Klasik 129
semakin besarnya pendapatan keluarga maka tunggakan
cicilan bulanan kredit perumahan akan semakin kecil;
2. Koefisien Regresi Variabel Tingkat Pendidikan Orang Tua
(X2) sebesar – 34.755,936 menggambarkan bahwa tingkat
pendidikan orang tua mempunyai pengaruh negatif terhadap
besarnya tunggakan cicilan bulanan kredit perumahan,
artinya dengan semakin tingginya tingkat pendidikan orang
tua maka tunggakan cicilan bulanan kredit perumahan akan
semakin kecil;
3. Koefisien Regresi Variabel Rasio Ketergantungan (X3)
sebesar 64.904,444 menggambarkan bahwa rasio
ketergantungan mempunyai pengaruh positif terhadap
besarnya tunggakan cicilan bulanan kredit perumahan,
artinya dengan semakin besarnya rasio ketergantungan
dalam keluarga maka akan semakin meningkatkan;4. Koefisien Regresi Variabel Besarnya Cicilan per Bulan (X4)
sebesar 5,053 menggambarkan bahwa besarnya cicilan per
bulan berpengaruh positif terhadap besarnya tunggakan
cicilan bulanan kredit perumahan, artinya dengan semakin
besarnya cicilan per bulan maka akan semakin
meningkatkan atau memperbesar tunggakan cicilan bulanankredit perumahan.
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 10/24
130 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
8.1.2. Uji Hipotesis Parsial (Uji T)
Uji hipotesis secara parsial digunakan untuk mengetahui
pengaruh dari masing-masing Variabel Independen terhadap
Variabel Dependen. Uji ini dilakukan dengan membandingkan
nilai T hitung dengan nilai T tabel. Nilai T hitung dari hasil
pengolahan data dengan program SPSS dapat dilihat pada
Tabel 8.2. bagian Coefficients. Hipotesis Statistik yang
diajukan untuk Uji T adalah:
Ho : b1 = 0 Ha : b1
0b2 = 0 b2 0
b3 = 0 b3 0
b4 = 0 b4 0
Untuk memperoleh nilai T tabel, dapat dilihat pada tabel T
Student, yaitu pada Degrees of Freedom (df) sebesar 33
(jumlah data dikurangi jumlah variabel) dan ½ = 10% / 2 = 5%
(uji dua arah) maka nilai T tabel sebesar 1,684.
Gambar 8.4. Daerah Penerimaan dan Penolakan Ho
DaerahPenolakan Ho
5 %
DaerahPenolakan Ho
5 %
- 1,684
DaerahPenerimaan Ho
90 %
1,684
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 11/24
Analisis Regresi Linier: Uji Asumsi Klasik 131
Dengan membandingkan nilai T hitung dengan T tabel
maka dapat disimpulkan:
1. Variabel Pendapatan Keluarga, yaitu –T hitung < –T tabel
atau –1,777 < –1,684 maka Ho ditolak dan hipotesis
penelitian diterima, artinya pendapatan keluarga mempunyai
pengaruh yang signifikan terhadap tunggakan cicilan
bulanan kredit perumahan.
2. Variabel Tingkat Pendidikan Orang Tua, yaitu –T hitung <
–T tabel atau –1,941 < –1,684 maka Ho ditolak dan
hipotesis penelitian diterima, artinya tingkat pendidikan
orang tua mempunyai pengaruh yang signifikan terhadap
tunggakan cicilan bulanan kredit perumahan.
3. Variabel Rasio Ketergantungan, T hitung > T tabel atau
2,118 > 1,684 maka Ho ditolak dan hipotesis penelitian
diterima, artinya rasio ketergantungan mempunyai pengaruhyang signifikan terhadap tunggakan cicilan bulanan kredit
perumahan.
4. Variabel Besarnya Cicilan Bulanan, yaitu T hitung > T tabel
atau 6,770 > 1,684 maka Ho ditolak dan hipotesis penelitian
diterima, artinya besarnya cicilan per bulan mempunyai
pengaruh yang signifikan terhadap tunggakan cicilanbulanan kredit perumahan.
Langkah pengujian hipotesis di atas dilakukan jika dalam
pengolahan data peneliti sudah menyiapkan Tabel T Students,
namun jika tabel tersebut tidak tersedia maka untuk
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 12/24
132 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
memutuskan menerima atau menolak hipotesis penelitian dapat
dilakukan dengan milihat nilai Signifikansi (Sig.) pada tabel 8.2.
bagian Coefficients, yaitu masing-masing variabel independen
mempunyai nilai Sig. di bawah 10% atau 0,100. Variabel
Pendapatan Keluarga (X1) nilai Sig.-nya sebesar 0,085;
Variabel Tingkat Pendidikan Orang Tua (X2) nilai Sig.-nya
sebesar 0,061; Variabel Rasio Ketergantungan (X3) nilai
Sig.-nya sebesar 0,042; dan Variabel Besarnya Cicilan Per
Bulan (X4) nilai Sig.-nya sebesar 0,000. Dengan demikian dapat
disimpulkan bahwa Variabel Pendapatan Keluarga (X1),
Variabel Tingkat Pendidikan Orang Tua (X2), Variabel Rasio
Ketergantungan (X3), dan Variabel Besarnya Cicilan Per Bulan
(X4), secara parsial mempunyai pengaruh yang signifikan
terhadap Variabel Besarnya Tunggakan Cicilan Bulanan Kredit
Perumahan (Y).
8.1.3. Uji Hipotesis Serempak (Uji F)
Uji hipotesis secara serempak digunakan untuk
mengetahui pengaruh dari Variabel Independen secara
keseluruhan terhadap Variabel Dependen. Uji ini dilakukan
dengan membandingkan nilai F hitung dengan nilai F tabel.Nilai F hitung dapat dilihat pada Tabel 8.2, bagian ANOVA.
Hipotesis Statistik yang diajukan untuk Uji F adalah:
Ho : b1 = b2 = b3 = b4 = 0
Ha : b1 b2 b3 b4 0
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 13/24
Analisis Regresi Linier: Uji Asumsi Klasik 133
Nilai F tabel dengan tingkat signifikan = 5% dan
Degrees of Freedom (df) sebesar 4 ; 33 adalah sebesar 2,65.
Hasil pengolahan data (lihat Tabel 8.2) diketahui bahwa nilai Fhitung sebesar 31,621 dan nilai F hitung tersebut lebih besar
dari pada F tabel atau nilai Sig.-nya di bawah 0,050 atau 5%,
maka keputusan yang dapat diambil adalah Ho ditolak dan
hipotesis penelitian diterima, artinya Variabel Pendapatan
Keluarga (X1), Variabel Tingkat Pendidikan Orang Tua (X2),
Variabel Rasio Ketergantungan (X3), dan Variabel BesarnyaCicilan Per Bulan (X4), secara keseluruhan mempunyai
pengaruh yang signifikan terhadap Variabel Besarnya
Tunggakan Cicilan Bulanan Kredit Perumahan (Y) .
8.1.4. Koefisien Determinasi (R Square)
Nilai R2
atau R Square dapat dilihat pada Tabel 8.2,bagian Model Summary. Hasil pengolahan data menunjukkan
bahwa nilai R2 sebesar 0,793. Nilai tersebut menggambarkan
bahwa sumbangan Variabel Independen (Variabel Pendapatan
Keluarga, Variabel Tingkat Pendidikan Orang Tua, Variabel
Rasio Ketergantungan, dan Variabel Besarnya Cicilan Per
Bulan) terhadap naik turunnya atau variasi Variabel Dependen(Variabel Besarnya Tunggakan Cicilan Bulanan Kredit
Perumahan) adalah sebesar 79,3% dan sisanya sebesar 20,6%
merupakan sumbangan dari variabel lain yang tidak
dimasukkan dalam model yang diajukan dalam penelitian
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 14/24
134 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
tersebut (terkumpul dalam Variabel Pengganggu atau E).
Sedangkan untuk nilai R sebesar 0,891 atau 89,1% berarti
hubungan antara Variabel Independen dengan Variabel
Dependen dalam penelitian tersebut dapat dikatakan
mempunyai hubungan yang kuat atau erat karena mendekati
100%.
8.2. UJI ASUMSI KLASIK
8.2.1. Uji Autokorelasi
Uji Autokorelasi digunakan untuk menguji apakah dalam
sebuah model regresi linier terdapat korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1
(sebelumnya). Untuk menguji Autokorelasi dapat dilihat dari
nilai Durbin Waston (DW), yaitu jika nilai DW terletak antara du
dan (4 – dU) atau du ≤ DW ≤ (4 – dU) berarti bebas dari Autokorelasi, sebaliknya jika nilai DW < dL atau DW > (4 – dL)
berarti terdapat Autokorelasi. Nilai dL dan dU dapat dilihat pada
tabel Durbin Waston, yaitu nilai dL ; dU ; α ; n ; (k – 1).
Keterangan: n adalah jumlah sampel, k adalah jumlah variabel,
dan α adalah taraf signifikan.
Langkah untuk mengetahui nilai DW dengan programSPSS adalah sama dengan ketika mengolah dengan analisis
regresi linier pada contoh kasus di atas, yaitu pilih menu
Analyze, kemudian pilih sub menu Regression dan klik Linier .
Ketika sudah masuk pada kotak Linier Regression, masukkan
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 15/24
Analisis Regresi Linier: Uji Asumsi Klasik 135
Variabel Dependen ke kotak Dependent dan seluruh Variabel
Independen ke kotak Independent (s).
Gambar 8.5. Menguji Autokorelasi (1)
Setelah semua variabel masuk pada tempatnya, klik
Statistics ... maka akan tampil kotak Linier Regression:
Statistics. Untuk pilihan Estimates dan Model Fit
dinonaktifkan (tandanya dihilangkan) dengan cara mengeklik
tanda centang, dan untuk pilihan Durbin Waston diaktifkan
kemudian klik Continue.
Gambar 8.6. Menguji Autokorelasi (2)
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 16/24
136 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
Setelah diklik Continue maka akan kembali ke kotak
Linier Regression dan kemudian langsung klik OK, maka akan
tampil persis seperti pada Tabel 8.2. di atas, namun yang
berbeda adalah pada bagian Model Summary akan tambah
kolom Durbin Watson, yaitu sebagai berikut:
Tabel 8.3. Hasil Pengolahan Data untuk Uji Autokorelasi
Model Summary(b)
Model R R Square Adjusted R
SquareStd. Error ofthe Estimate
Durbin-Watson
1 ,891(a) ,793 ,768 141329,471 1,777
a Predictors: (Constant), Besarnya Cicilan per Bulan, Rasio Ketergantungan,Tingkat Pendidikan Ortu, Pendapatan Keluarga
b Dependent Variable: Tunggakan Cicilan
Nilai tabel Durbin Watson pada α = 5%; n = 38; k – 1 = 4
adalah dL = 1,26 dan dU = 1,72. Hasil pengolahan data pada
Tabel 8.3. menunjukkan nilai Durbin Watson sebesar 1,777 dan
nilai tersebut berada di antara dU dan (4 – dU) atau
1,72 < 1,777 < 2,28 maka dapat disimpulkan bahwa dalam
regresi linier tersebut tidak terdapat Autokorelasi atau tidak
terjadi korelasi diantara kesalahan pengganggu.
8.2.2. Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk mengetahui apakah
terjadi korelasi yang kuat di antara variabel-variabel
independen yang diikutsertakan dalam pembentukan model.
Untuk mendeteksi apakah model regresi linier mengalami
multikolinearitas dapat diperiksa menggunakan Variance
Inflation Factor (VIF) untuk masing-masing Variabel
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 17/24
Analisis Regresi Linier: Uji Asumsi Klasik 137
Independen, yaitu jika suatu Variabel Independen mempunyai
nilai VIF > 10 berarti telah terjadi multikolinearitas. Untuk
mendapatkan nilai VIF untuk masing-masing variabel
independen dengan langkah hampir sama dengan
mendapatkan nilai Durbin Watson, yaitu: Setelah semua
variabel masuk pada tempatnya di kotak Linier Regression,
klik Statistics ... maka akan tampil kotak Linier Regression:
Statistics. Untuk pilihan Estimates dan Model Fit
dinonaktifkan (tandanya dihilangkan) dengan cara mengeklik
tanda centang, dan untuk pilihan Covarian matrix dan
Colinearity diagnoctica diaktifkan, kemudian klik Contonue.
Setelah kembali ke kotak Linier Regression langsung klik OK.
Gambar 8.7. Langkah Menguji Multikolonearitas
Tampilan hasil pengolahan data tersebut adalah sebagai
berikut (ditampilkan sebagian):
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 18/24
138 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
Tabel 8.4. Hasil Pengolahan Data untuk Uji Multikolinearitas
Coefficients(a)
Model
Collinearity Statistics
Tolerance VIF1 Pendapatan Keluarga ,446 2,243
Tingkat Pendidikan Ortu ,657 1,523
Rasio Ketergantungan ,435 2,297
Besarnya Cicilan per Bulan ,914 1,094
a Dependent Variable: Tunggakan Cicilan
Coefficient Correlations(a)
ModelBesarnyaCicilan per
Bulan
RasioKetergantu
ngan
TingkatPendidikan
Ortu
Pendapatan
Keluarga1 Corre
lationsBesarnyaCicilan perBulan
1,000 ,020 ,196 ,086
RasioKetergantungan
,020 1,000 ,271 ,625
TingkatPendidikanOrtu
,196 ,271 1,000 -,192
Pendapatan
Keluarga
,086 ,625 -,192 1,000
Covariances
BesarnyaCicilan perBulan
,557 453,422 2613,235 ,005
RasioKetergantungan
453,422 39185082,342 148948109,823 549,992
TingkatPendidikanOrtu
2613,235 48948109,823 20699199,957 -278,911
PendapatanKeluarga
,005 1549,992 -278,911 ,007
a Dependent Variable: Tunggakan Cicilan
Berdasarkan hasil pengolahan data pada Tabel 8.4.
tersebut di atas, untuk menguji ada tidaknya Multikolinearitas
pada model regresi linier dapat dilakukan dengan dua cara,
yaitu dengan melihat nilai VIF masing-masing variabel
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 19/24
Analisis Regresi Linier: Uji Asumsi Klasik 139
independen dan melihat nilai korelasi antar variabel
independen.
Pada tabel 8.4. bagian Coefficients, diketahui bahwa
nilai VIF dari masing-masing variabel independen lebih kecil
dari pada 5, yaitu nilai VIF Variabel Pendapatan Keluarga
sebesar 2,243; nilai VIF Variabel Tingkat Pendidikan Orang Tua
sebesar 1,523; nilai VIF Variabel Rasio Ketergantungan
sebesar 2,297; dan nilai VIF Variabel Besarnya Cicilan Per
Bulan sebesar 1,094. Sedangkan pada bagian Coefficient
Correlations, dapat dilihat bahwa nilai korelasi di antara
variabel independen dapat dikatakan mempunyai korelasi yang
lemah. Dengan demikian dapat disimpulkan bahwa di antara
variabel independen tersebut tidak ada korelasi atau tidak
terjadi Multikolinearitas pada model regresi linier.
8.2.3. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk menguji apakah
dalam model regresi liner kesalahan pengganggu (e)
mempunyai varians yang sama atau tidak dari satu
pengamatan ke pengamatan yang lain. Untuk menguji
Hiteroskedastisitas dapat diketahui dari nilai signifikan korelasiRank Spearman antara masing-masing variabel independen
dengan residualnya. Jika nilai signifikan lebih besar dari α (5%)
maka tidak terdapat Heteroskedastisitas, dan sebaliknya jika
lebih kecil dari α (5%) maka terdapat Heteroskedastisitas.
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 20/24
140 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
Langkah untuk mendapatkan nilai residual adalah: pada
tampilan Data View, pilih menu Transform dan klik Compute.
Pada kotak Compute Variable, bagian Target Variable ketik
Residual dan pada bagian Numeric Expression ketik:
Y-(79880.591+( –0.144*X1)+( –34755.936*X2)+(64904.444*X3)+
(5.053*X4)) kemudian klik OK.
Gambar 8.8. Uji Heteroskedastisitas (1)
Gambar 8.9. Uji Heteroskedastisitas (2)
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 21/24
Analisis Regresi Linier: Uji Asumsi Klasik 141
Catatan: persamaan yang ditulis pada bagian Numeric
Expression merupakan persamaan regresi linier berganda
yang diperoleh dari pengolahan data di atas (lihat persamaan di
halaman 128).
Setelah proses tersebut selesai maka pada tampilan
Data View akan bertambah satu kolom, yaitu kolom Residual,
dan kemudian pada menu File klik Save atau langsung tombol
Ctrl + S. Selanjutnya untuk proses mendapatkan nilai korelasi
Rank Spearman adalah pilih menu Analyze, klik Correlate,
dan klik Bivariate. Pada kotak Bivariate Correlations,
pindahkan semua Variabel Independen dan residual ke
Variables, kemudian untuk Correlation Coefficients hilangkan
tanda centang pada Pearson dan beri tanda centang pada
Spearman, kemudian klik OK.
Gambar 8.10. Uji Heteroskedastisitas (3)
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 22/24
142 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
Hasil pengolahan data dengan korelasi Rank Spearman adalah
sebagai berikut:
Tabel 8.5. Hasil Pengolahan Data untuk Uji Heteroskedastisitas
Correlations
Tung
gakanCicilan
PendapatanKeluar
ga
Tingkat
Pendidikan Ortu
RasioKetergan
tungan
Besarnya
Cicilanper
Bulan
Residual
Spear
man'srho
Tunggak
an Cicilan
Correlation
Coefficient1,000 ,605(**) -,506(**) ,582(**) ,507(**) ,060
Sig. (2- tailed) . ,000 ,001 ,000 ,001 ,721
N 38 38 38 38 38 38Pendapatan
Keluarga
CorrelationCoefficient
,605(**) 1,000 ,510(**) -,679(**) -,087 ,055
Sig. (2- tailed) ,000 . ,001 ,000 ,603 ,742
N 38 38 38 38 38 38
Tingkat
Pendidikan Ortu
Correlation
Coefficient,506(**) ,510(**) 1,000 -,602(**) ,004 ,146
Sig. (2- tailed) ,001 ,001 . ,000 ,980 ,380
N 38 38 38 38 38 38
Rasio
Ketergantu
ngan
Correlation
Coefficient
,582(**) ,679(**) -,602(**) 1,000 -,008 -,135
Sig. (2- tailed) ,000 ,000 ,000 . ,961 ,419
N 38 38 38 38 38 38
Besarnya
CicilanperBulan
CorrelationCoefficient
,507(**) -,087 ,004 -,008 1,000 -,233
Sig. (2- tailed) ,001 ,603 ,980 ,961 . ,159
N 38 38 38 38 38 38
Residual Correlation
Coefficient,060 ,055 ,146 -,135 -,233 1,000
Sig. (2- tailed) ,721 ,742 ,380 ,419 ,159 .
N 38 38 38 38 38 38
** Correlation is significant at the 0.01 level (2-tailed).
Berdasarkan tabel 8.5 tersebut di atas, pada kolom
Residual dapat dilihat bahwa nilai Correlation Coefficient
adalah rendah atau nilai signifikan (Sig. (2-tailed)) masing
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 23/24
Analisis Regresi Linier: Uji Asumsi Klasik 143
masing Variabel Independen di atas 5%, artinya masing-masing
Variabel Independen (Variabel Pendapatan Keluarga, Variabel
Tingkat Pendidikan Orang Tua, Variabel Rasio Ketergantungan,
dan Variabel Besarnya Cicilan Per Bulan) tidak mempunyai
hubungan dengan Residualnya. Dengan demikian, dapat
disimpulkan bahwa tidak terdapat Heteroskedastisitas pada
model regresi linier berganda diperoleh.
8/12/2019 Analisis Regresi Liner, Uji Asumsi Klasik
http://slidepdf.com/reader/full/analisis-regresi-liner-uji-asumsi-klasik 24/24
144 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS
top related