BAB VIII

ANALISIS 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 asumsiasumsi 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);

Analisis Regresi Linier: Uji Asumsi Klasik

121

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 penyimpangan terhadap 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 cross section dan biasanya terjadi pada data time series (serial waktu). Multikolinieritas adalah suatu kondisi dimana terjadi korelasi yang kuat diantara dalam Variabel Independen yang model regresi linier diikutsertakan pembentukan

122

Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS

Untuk kebutuhan data penelitian tersebut. dan Besarnya Cicilan Per Bulan (X4)” 2. Tingkat Pendidikan Orang Tua (X2). Contoh Kasus: Penelitian dengan judul: “Faktor-Faktor yang Mempengaruhi Tunggakan Cicilan Bulanan Kredit Perumahan”. Definisi Operasional Variabel Penelitian  Variabel Tunggakan Pembayaran Cicilan Bulanan Kredit Perumahan (Y) dihitung dari besarnya cicikan per bulan dikalikan dengan jumlah bulan yang menunggak pada saat penelitian.  Variabel Tingkat Pendapatan Keluarga (X1) dihitung dengan menjumlahkan besarnya penghasilan per bulan Analisis Regresi Linier: Uji Asumsi Klasik 123 . jumlah responden yang menjadi sampel sebanyak 38 responden dan untuk pengambilan data digunakan adalah teknik wawancara yang dipandu dengan kuesioner. 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.berganda. Rasio Ketergantungan (X3). 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 (X 1).

teknik analisis data dengan menggunakan Analisis Regresi Berganda dengan model persamaan: Y = a + b1 X1 + b2 X2 + b3 X3 + b4 X4 + E. Teknik Analisis Data dan Uji Hipotesis Berdasarkan hipotesis yang diajukan. Sedangkan jenis uji hipotesis menggunakan uji dua arah dengan tingkat signifikan (α) sebesar 10%. Selain itu.dari pekerjaan rutin dan pekerjaan sampingan. Uji F (serempak) dan R2. 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. Hasil pengumpulan data dari 38 responden diperoleh data sebagai berikut: 124 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS . dan Uji Multikolonearitas.  Tingkat Pendidikan Orang Tua (X2) dihitung dengan menjumlahkan skor tingkat pendidikan terakhir baik suami maupun istri. Untuk menguji hipotesis digunakan Uji T (parsial). juga dilakukan uji pemenuhan asumsi klasik. 3. yaitu Uji Autokorelasi. Uji Heteroskedastisitas.  Besarnya Cicilan Per Bulan (X4) dihitung berdasarkan besarnya cicilan bulanan kredit perumahan yang dibayar tiap bulan.

Tabulasi Data Penelitian Tunggakan Cicilan Bulanan Kredit Perumahan N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 Y 80250 86000 106000 70108 680400 66100 66100 111000 55500 72500 324000 300000 229500 1600000 780000 423000 210000 125000 405000 510000 182100 427260 81000 75100 70000 68000 66500 215850 79000 69700 105500 79000 60710 72000 61000 120000 490000 335000 X1 1650000 1600000 2050000 1200000 1650000 1500000 1500000 1450000 1250000 1525000 600000 800000 700000 450000 500000 700000 1000000 1125000 700000 500000 900000 850000 1900000 1300000 1580000 1222000 1650000 900000 1450000 1530000 1690000 1750000 1250000 1200000 1560000 1400000 700000 950000 X2 10 8 8 7 4 8 8 7 8 9 7 8 5 5 3 6 6 10 6 7 7 9 10 8 9 7 8 7 8 8 9 6 7 8 7 6 5 6 X3 1 1 1 1 2 2 1 3 2 1 4 2 3 5 3 3 3 1 4 4 3 3 1 1 2 2 2 5 1 2 3 2 3 2 2 2 4 3 X4 80250 86000 106000 70108 170100 66100 66100 55500 55500 72500 108000 150000 76500 200000 130000 47000 105000 125000 81000 85000 60700 71210 81000 75100 70000 68000 66500 71940 79000 69700 105500 79000 60710 72000 61000 60000 70000 67000 Analisis Regresi Linier: Uji Asumsi Klasik 125 .Tabel 8.1.

kemudian pilih sub menu Regression dan klik Linier. Masukkan data pada Tabel 8. maka akan tampil sebagai berikut: Gambar 8.8.2. Menu untuk Analisis Regresi Berganda 126 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS . pilih menu Analyze.1. dan Name 5: X5. Gambar 8. Untuk Label diisi dengan nama masing-masing variabel. ke dalam Data View Program SPSS. Name 3: X2. Tampilan Variable View 2. Untuk mengolah data dengan analisis regresi linier. Kemudian klik Variable View. Name 4: X3.1.1. Name 2: X1. untuk Name 1: Y. Analisis Regresi Berganda Untuk melakukan pengolahan data analisis regresi berganda dengan langkah sebagai berikut: 1.1.

Hasil Pengolahan Data Regresi Linier Berganda Variables Entered/Removed(b) Model 1 Variables Entered Variables Removed . Pendapatan Keluarga Model R R Square Adjusted R Square Analisis Regresi Linier: Uji Asumsi Klasik 127 . Tabel 8.891(a) . Tingkat Pendidikan Ortu. Error of the Estimate 1 . Ketika tampil kotak Linier Regression. Variabel Dependen dan Independen 3. Rasio Ketergantungan (X3).471 a Predictors: (Constant). Pendapatan Keluarga(a) a All requested variables entered.2.793 . Blok variabel Pendapatan Keluarga (X1). Tingkat Pendidikan Ortu. Besarnya Cicilan per Bulan. b Dependent Variable: Tunggakan Cicilan Model Summary Std. Rasio Ketergantungan.768 141329. Method Enter Besarnya Cicilan per Bulan.3. Tingkat Pendidikan Orang Tua (X2). dan Besarnya Cicilan Per Bulan (X4) dan klik tanda panah untuk Independents dan klik OK. Rasio Ketergantungan. klik Tunggakan Cicilan (Y) dan klik tanda panah (dalam lingkaran) untuk Dependent .Gambar 8.

042 . maka dapat dibuat model regresi linier berganda dengan persamaan sebagai berikut : Y = 79880. 1 Regression 2526431372516. Error Standardized Coefficients Beta -. Koefisien Regresi Variabel Pendapatan Keluarga (X1) sebesar – 0.144 . Tingkat Pendidikan Ortu.621 .ANOVA(b) Model Sum of Squares df Mean Square F Sig.118 6.591 223358.723 . Besarnya Cicilan per Bulan.211 -.591 – 0.594 33 19974019427.000 1 (Constant) 79880. Rasio Ketergantungan.081 Keluarga Tingkat Pendidikan -34755.881 4 631607843129.254 .076 Ortu Rasio 64904.770 Sig.000(a) Residual 659142641118. bagian Coefficients tersebut di atas.936 17908.746 per Bulan a Dependent Variable: Tunggakan Cicilan Berdasarkan Tabel 8.941 2.053 X4 + E Nilai masing-masing koefisien regresi Variabel Independen dari model regresi linier tersebut memberikan gambaran bahwa: 1.220 31.444 X3 + 5.836 Total 3185574013635.561 t .444 30646.144 menggambarkan bahwa pendapatan keluarga mempunyai pengaruh negatif terhadap besarnya tunggakan cicilan bulanan kredit perumahan.524 Pendapatan -.053 .085 .144 X1 – 34755. .777 -1.358 -1.127 Ketergantungan Besarnya Cicilan 5.474 37 a Predictors: (Constant). Pendapatan Keluarga b Dependent Variable: Tunggakan Cicilan Coefficients(a) Model Unstandardized Coefficients B Std.936 X2 + 64904. artinya dengan 128 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .2.061 .190 .

artinya dengan semakin besarnya cicilan per bulan maka akan semakin meningkatkan atau memperbesar tunggakan cicilan bulanan kredit perumahan. artinya dengan semakin tingginya tingkat pendidikan orang tua maka tunggakan cicilan bulanan kredit perumahan akan semakin kecil.semakin besarnya pendapatan keluarga maka tunggakan cicilan bulanan kredit perumahan akan semakin kecil. Koefisien Regresi Variabel Rasio Ketergantungan (X3) sebesar 64.444 menggambarkan pengaruh bahwa positif rasio ketergantungan mempunyai terhadap besarnya tunggakan cicilan bulanan kredit perumahan. artinya dengan semakin besarnya rasio ketergantungan dalam keluarga maka akan semakin meningkatkan. 3. 4. Analisis Regresi Linier: Uji Asumsi Klasik 129 .053 menggambarkan bahwa besarnya cicilan per bulan berpengaruh positif terhadap besarnya tunggakan cicilan bulanan kredit perumahan. Koefisien Regresi Variabel Tingkat Pendidikan Orang Tua (X2) sebesar – 34. Koefisien Regresi Variabel Besarnya Cicilan per Bulan (X4) sebesar 5.755.936 menggambarkan bahwa tingkat pendidikan orang tua mempunyai pengaruh negatif terhadap besarnya tunggakan cicilan bulanan kredit perumahan.904. 2.

1.684. Uji Hipotesis Parsial (Uji T) Uji hipotesis secara parsial digunakan untuk mengetahui pengaruh dari masing-masing Variabel Independen terhadap Variabel Dependen.1. 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. bagian Coefficients. Daerah Penerimaan dan Penolakan Ho 130 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .2.4.684 1.8.684 Gambar 8. 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. dapat dilihat pada tabel T Student. Hipotesis Statistik yang diajukan untuk Uji T adalah: Ho : b1 = 0 b2 = 0 b3 = 0 b4 = 0 Ha : b1  0 b2  0 b3  0 b4  0 Untuk memperoleh nilai T tabel.2. Daerah Penolakan Ho 5% Daerah Penerimaan Ho 90 % Daerah Penolakan Ho 5% .

777 < –1. Langkah pengujian hipotesis di atas dilakukan jika dalam pengolahan data peneliti sudah menyiapkan Tabel T Students. 4. artinya rasio ketergantungan mempunyai pengaruh yang signifikan terhadap tunggakan cicilan bulanan kredit perumahan. artinya pendapatan keluarga mempunyai pengaruh yang signifikan terhadap bulanan kredit perumahan. yaitu –T hitung < – T tabel atau – 1. Variabel Tingkat Pendidikan Orang Tua.684 maka Ho ditolak dan hipotesis penelitian diterima.770 > 1.941 < –1.684 maka Ho ditolak dan hipotesis penelitian diterima.118 > 1. Variabel Pendapatan Keluarga. yaitu T hitung > T tabel atau 6. namun jika tabel tersebut tidak tersedia maka untuk tunggakan cicilan tunggakan cicilan Analisis Regresi Linier: Uji Asumsi Klasik 131 .684 maka Ho ditolak dan hipotesis penelitian diterima. T hitung > T tabel atau 2. Variabel Besarnya Cicilan Bulanan. 2. artinya tingkat pendidikan orang tua mempunyai pengaruh yang signifikan terhadap tunggakan cicilan bulanan kredit perumahan.Dengan membandingkan nilai T hitung dengan T tabel maka dapat disimpulkan: 1. yaitu –T hitung < –T tabel atau –1. Variabel Rasio Ketergantungan. 3.684 maka Ho ditolak dan hipotesis penelitian diterima. artinya besarnya cicilan per bulan mempunyai pengaruh yang signifikan terhadap bulanan kredit perumahan.

-nya sebesar 0.061. Variabel Tingkat Pendidikan Orang Tua (X 2). dan Variabel Besarnya Cicilan Per Bulan (X4) nilai Sig.1. bagian ANOVA. Uji ini dilakukan dengan membandingkan nilai F hitung dengan nilai F tabel. bagian Coefficients. 8. dan Variabel Besarnya Cicilan Per Bulan (X4). yaitu masing-masing variabel independen mempunyai nilai Sig.2. Nilai F hitung dapat dilihat pada Tabel 8.3. di bawah 10% atau 0.042. Variabel Rasio Ketergantungan (X3). Dengan demikian dapat disimpulkan bahwa Variabel Pendapatan Keluarga (X 1). Variabel Tingkat Pendidikan Orang Tua (X 2) nilai Sig.2.) pada tabel 8. Hipotesis Statistik yang diajukan untuk Uji F adalah: Ho Ha : b1 = b2 = b3 = b4 = 0 : b1  b2  b3  b4  0 132 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .-nya sebesar 0.000. Variabel Pendapatan Keluarga (X1) nilai Sig. Uji Hipotesis Serempak (Uji F) Uji mengetahui hipotesis secara dari serempak Variabel digunakan Independen untuk secara pengaruh keseluruhan terhadap Variabel Dependen.memutuskan menerima atau menolak hipotesis penelitian dapat dilakukan dengan milihat nilai Signifikansi (Sig.-nya sebesar 0.085.-nya sebesar 0. Variabel Rasio Ketergantungan (X3) nilai Sig.100. secara parsial mempunyai pengaruh yang signifikan terhadap Variabel Besarnya Tunggakan Cicilan Bulanan Kredit Perumahan (Y).

Nilai tersebut menggambarkan bahwa sumbangan Variabel Independen (Variabel Pendapatan Keluarga. maka keputusan yang dapat diambil adalah Ho ditolak dan hipotesis penelitian diterima.6% sumbangan variabel dimasukkan dalam model yang diajukan dalam penelitian Analisis Regresi Linier: Uji Asumsi Klasik 133 . Variabel Tingkat Pendidikan Orang Tua. 8. Variabel Tingkat Pendidikan Orang Tua (X2). 33 adalah sebesar 2. artinya Variabel Pendapatan Keluarga (X1).1. Variabel Rasio Ketergantungan. Variabel Rasio Ketergantungan (X3). dan Variabel Besarnya Cicilan Per Bulan) terhadap naik turunnya atau variasi Variabel Dependen (Variabel merupakan Besarnya Tunggakan dari Cicilan Bulanan lain yang Kredit tidak Perumahan) adalah sebesar 79.Nilai F tabel dengan tingkat signifikan  = 5% dan Degrees of Freedom (df) sebesar 4 . secara keseluruhan mempunyai pengaruh yang signifikan terhadap Variabel Besarnya Tunggakan Cicilan Bulanan Kredit Perumahan (Y).621 dan nilai F hitung tersebut lebih besar dari pada F tabel atau nilai Sig. Hasil pengolahan data menunjukkan bahwa nilai R2 sebesar 0.793. dan Variabel Besarnya Cicilan Per Bulan (X4). Hasil pengolahan data (lihat Tabel 8.-nya di bawah 0. Koefisien Determinasi (R Square) Nilai R2 atau R Square dapat dilihat pada Tabel 8.050 atau 5%.2) diketahui bahwa nilai F hitung sebesar 31.3% dan sisanya sebesar 20.2.4.65. bagian Model Summary.

891 atau 89. Sedangkan untuk nilai R sebesar 0. (k – 1). α . yaitu jika nilai DW terletak antara du dan (4 – dU) atau du ≤ DW ≤ (4 – dU) berarti bebas dari Autokorelasi.tersebut (terkumpul dalam Variabel Pengganggu atau E). kemudian pilih sub menu Regression dan klik Linier.1. sebaliknya jika nilai DW < dL atau DW > (4 – dL) berarti terdapat Autokorelasi. yaitu nilai dL . 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). d U . 8. masukkan dalam penelitian tersebut dengan Variabel dapat dikatakan mempunyai hubungan yang kuat atau erat karena mendekati 134 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS . k adalah jumlah variabel. Langkah untuk mengetahui nilai DW dengan program SPSS adalah sama dengan ketika mengolah dengan analisis regresi linier pada contoh kasus di atas.2. Keterangan: n adalah jumlah sampel. n . Ketika sudah masuk pada kotak Linier Regression. Untuk menguji Autokorelasi dapat dilihat dari nilai Durbin Waston (DW).2. UJI ASUMSI KLASIK 8. Nilai dL dan dU dapat dilihat pada tabel Durbin Waston.1% berarti hubungan antara Variabel Independen Dependen 100%. yaitu pilih menu Analyze. dan α adalah taraf signifikan.

klik Statistics . Gambar 8. Menguji Autokorelasi (2) Analisis Regresi Linier: Uji Asumsi Klasik 135 . Untuk pilihan Estimates dan Model Fit dinonaktifkan (tandanya dihilangkan) dengan cara mengeklik tanda centang. Gambar 8.Variabel Dependen ke kotak Dependent dan seluruh Variabel Independen ke kotak Independent (s) .. Menguji Autokorelasi (1) Setelah semua variabel masuk pada tempatnya.. dan untuk pilihan Durbin Waston diaktifkan kemudian klik Continue.5.6. maka akan tampil kotak Linier Regression: Statistics.

Untuk mendeteksi apakah model regresi linier mengalami multikolinearitas Inflation Factor dapat (VIF) diperiksa untuk menggunakan masing-masing Variance Variabel 136 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .891(a) .777 a Predictors: (Constant).471 1.2.2.2. Tingkat Pendidikan Ortu. yaitu sebagai berikut: Tabel 8. n = 38.Setelah diklik Continue maka akan kembali ke kotak Linier Regression dan kemudian langsung klik OK. di atas. Pendapatan Keluarga b Dependent Variable: Tunggakan Cicilan Model R R Square Nilai tabel Durbin Watson pada α = 5%. k – 1 = 4 adalah dL = 1. Error of Durbin-Watson Square the Estimate 1 .3.777 dan nilai tersebut berada di antara dU dan (4 – dU) atau 1. Hasil Pengolahan Data untuk Uji Autokorelasi Model Summary(b) Adjusted R Std. namun yang berbeda adalah pada bagian Model Summary akan tambah kolom Durbin Watson.777 < 2. 8. Uji Multikolinearitas Uji Multikolinearitas digunakan untuk mengetahui apakah terjadi korelasi yang kuat di antara variabel-variabel independen yang diikutsertakan dalam pembentukan model. Rasio Ketergantungan.26 dan dU = 1. Hasil pengolahan data pada Tabel 8. menunjukkan nilai Durbin Watson sebesar 1.793 .768 141329.72.72 < 1.28 maka dapat disimpulkan bahwa dalam regresi linier tersebut tidak terdapat Autokorelasi atau tidak terjadi korelasi diantara kesalahan pengganggu. maka akan tampil persis seperti pada Tabel 8.3. Besarnya Cicilan per Bulan.

7. kemudian klik Contonue.. Langkah Menguji Multikolonearitas Tampilan hasil pengolahan data tersebut adalah sebagai berikut (ditampilkan sebagian): Analisis Regresi Linier: Uji Asumsi Klasik 137 . Untuk pilihan Estimates dan Model Fit dinonaktifkan (tandanya dihilangkan) dengan cara mengeklik tanda centang. Gambar 8. Setelah kembali ke kotak Linier Regression langsung klik OK. dan untuk pilihan Covarian matrix dan Colinearity diagnoctica diaktifkan. yaitu: Setelah semua variabel masuk pada tempatnya di kotak Linier Regression. maka akan tampil kotak Linier Regression: Statistics. yaitu jika suatu Variabel Independen mempunyai nilai VIF > 10 berarti telah terjadi multikolinearitas.Independen.. klik Statistics . Untuk mendapatkan independen nilai dengan VIF untuk masing-masing hampir sama variabel dengan langkah mendapatkan nilai Durbin Watson.

243 1.271 .4.086 Bulan Rasio Ketergantu . tersebut di atas.911 Ortu Pendapatan .005 Bulan Rasio Ketergantu 453.020 .196 .957 -278.823 1549. yaitu dengan melihat nilai 138 VIF masing-masing variabel Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .000 .446 .000 Keluarga Covari Besarnya ances Cicilan per .992 ngan Tingkat Pendidikan 2613.523 2.192 Ortu Pendapatan .086 . untuk menguji ada tidaknya Multikolinearitas pada model regresi linier dapat dilakukan dengan dua cara.005 1549.342 148948109.196 .914 VIF 2.297 1.557 453.235 .625 ngan Tingkat Pendidikan .094 a Dependent Variable: Tunggakan Cicilan Coefficient Correlations(a) Model 1 Besarnya Cicilan per Bulan Rasio Ketergantu ngan Tingkat Pendidikan Ortu Pendapa tan Keluarga Corre Besarnya lations Cicilan per 1.911 .020 1.000 .992 -278.422 2613.007 Keluarga a Dependent Variable: Tunggakan Cicilan Berdasarkan hasil pengolahan data pada Tabel 8. Hasil Pengolahan Data untuk Uji Multikolinearitas Coefficients(a) Model 1 Pendapatan Keluarga Tingkat Pendidikan Ortu Rasio Ketergantungan Besarnya Cicilan per Bulan Collinearity Statistics Tolerance .625 -.422 939185082.657 .4.435 .Tabel 8.271 1.823 320699199.192 1.000 -.235 148948109.

independen independen. 8. nilai VIF Variabel Rasio Ketergantungan sebesar 2. Uji Heteroskedastisitas Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi liner kesalahan sama atau lain. diketahui bahwa nilai VIF dari masing-masing variabel independen lebih kecil dari pada 5.094. dan melihat nilai korelasi antar variabel Pada tabel 8.4. Jika nilai signifikan lebih besar dari α (5%) maka tidak terdapat Heteroskedastisitas. bagian Coefficients. yaitu nilai VIF Variabel Pendapatan Keluarga sebesar 2. pengganggu tidak dari Untuk (e) satu mempunyai varians yang pengamatan ke pengamatan yang menguji Hiteroskedastisitas dapat diketahui dari nilai signifikan korelasi Rank Spearman antara masing-masing variabel independen dengan residualnya. Dengan demikian dapat disimpulkan bahwa di antara variabel independen tersebut tidak ada korelasi atau tidak terjadi Multikolinearitas pada model regresi linier.297.2.243. dan sebaliknya jika lebih kecil dari α (5%) maka terdapat Heteroskedastisitas.523.3. Analisis Regresi Linier: Uji Asumsi Klasik 139 . Sedangkan pada bagian Coefficient Correlations. dan nilai VIF Variabel Besarnya Cicilan Per Bulan sebesar 1. dapat dilihat bahwa nilai korelasi di antara variabel independen dapat dikatakan mempunyai korelasi yang lemah. nilai VIF Variabel Tingkat Pendidikan Orang Tua sebesar 1.

8. Pada kotak Compute Variable.591+(–0. pilih menu Transform dan klik Compute. Gambar 8.053*X4)) kemudian klik OK. Uji Heteroskedastisitas (2) 140 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .9.936*X2)+(64904. bagian Target Variable ketik Residual dan pada bagian Numeric Expression ketik: Y-(79880.444*X3)+ (5. Uji Heteroskedastisitas (1) Gambar 8.144*X1)+(–34755.Langkah untuk mendapatkan nilai residual adalah: pada tampilan Data View.

dan kemudian pada menu File klik Save atau langsung tombol Ctrl + S. Gambar 8. klik Correlate. Pada kotak Bivariate Correlations. Selanjutnya untuk proses mendapatkan nilai korelasi Rank Spearman adalah pilih menu Analyze.10. kemudian untuk Correlation Coefficients hilangkan tanda centang pada Pearson dan beri tanda centang pada Spearman. kemudian klik OK. pindahkan semua Variabel Independen dan residual ke Variables. Setelah proses tersebut selesai maka pada tampilan Data View akan bertambah satu kolom. yaitu kolom Residual. Uji Heteroskedastisitas (3) 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). dan klik Bivariate.

742 38 . 38 Tunggak Correlation 1.961 .380 38 -.507(**) an Cici Coefficient lan Sig.000 .980 .135 -.380 . (2-tailed) .000 -.980 N 38 38 38 38 38 Rasio Correlation .004 Pendidi Coefficient kan Ortu Sig. per N 38 38 38 38 38 Bulan Residual Correlation . (2-tailed)) masing 142 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .146 .742 .5 tersebut di atas. .060 .087 .603 ga N 38 38 38 38 38 Tingkat Correlation -.961 ngan N 38 38 38 38 38 Besar Correlation .001 .001 .008 Keter Coefficient gantu Sig.000 .000 .000 .001 .5.000 . .506(**) .419 . .510(**) -.01 level (2-tailed).721 38 .159 N 38 38 38 38 38 ** Correlation is significant at the 0. Berdasarkan tabel 8.679(**) -.507(**) -.000 . (2-tailed) .506(**) .602(**) 1.001 .419 38 -. (2-tailed) .233 . pada kolom Residual dapat dilihat bahwa nilai Correlation Coefficient adalah rendah atau nilai signifikan (Sig. (2-tailed) .135 .008 1.605(**) 1.582(**) .602(**) .510(**) 1.679(**) -.000 .000 .055 .159 38 1.001 .060 .146 -.605(**) -.087 patan Coefficient Keluar Sig.603 . (2-tailed) .000 -.000 .004 -.000 .Hasil pengolahan data dengan korelasi Rank Spearman adalah sebagai berikut: Tabel 8.233 Coefficient Sig.000 -.582(**) -. .000 nya Coefficient Cicilan Sig.055 .001 N 38 38 38 38 38 Penda Correlation -. Hasil Pengolahan Data untuk Uji Heteroskedastisitas Correlations Tung gakan Cicilan Spear man's rho Penda patan Keluar ga Tingkat Pendidi kan Ortu Rasio Keter gan tungan Besar nya Cicilan per Bulan Resi dual . (2-tailed) .721 .

artinya masing-masing Variabel Independen (Variabel Pendapatan Keluarga. Variabel Rasio Ketergantungan. Dengan demikian. Variabel Tingkat Pendidikan Orang Tua. dan Variabel Besarnya Cicilan Per Bulan) tidak mempunyai hubungan dengan Residualnya.masing Variabel Independen di atas 5%. dapat disimpulkan bahwa tidak terdapat Heteroskedastisitas pada model regresi linier berganda diperoleh. Analisis Regresi Linier: Uji Asumsi Klasik 143 .

144 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .

Sign up to vote on this title
UsefulNot useful