P. 1
Bab Viii. Analisis Regresi Linier Uji Asumsi Klasik

Bab Viii. Analisis Regresi Linier Uji Asumsi Klasik

|Views: 7|Likes:
Published by Ardi Wiranata

More info:

Published by: Ardi Wiranata on Mar 17, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

03/01/2014

pdf

text

original

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.berganda. Rasio Ketergantungan (X3). jumlah responden yang menjadi sampel sebanyak 38 responden dan untuk pengambilan data digunakan adalah teknik wawancara yang dipandu dengan kuesioner.  Variabel Tingkat Pendapatan Keluarga (X1) dihitung dengan menjumlahkan besarnya penghasilan per bulan Analisis Regresi Linier: Uji Asumsi Klasik 123 . dan Besarnya Cicilan Per Bulan (X4)” 2. 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. Hipotesis Penelitian Hipotesis penelitian yang diajukan adalah “ Tunggakan Pembayaran Cicilan Bulanan Kredit Perumahan (Y) dipengaruhi oleh Tingkat Pendapatan Keluarga (X 1). Contoh Kasus: Penelitian dengan judul: “Faktor-Faktor yang Mempengaruhi Tunggakan Cicilan Bulanan Kredit Perumahan”. Tingkat Pendidikan Orang Tua (X2). Sebelum melakukan pengolahan dan analisis data yang memerlukan perhatian adalah hal-hal sebagai berikut: 1. 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.

 Besarnya Cicilan Per Bulan (X4) dihitung berdasarkan besarnya cicilan bulanan kredit perumahan yang dibayar tiap bulan.dari pekerjaan rutin dan pekerjaan sampingan. Selain itu. juga dilakukan uji pemenuhan asumsi klasik. Uji F (serempak) dan R2. yaitu Uji Autokorelasi.  Tingkat Pendidikan Orang Tua (X2) dihitung dengan menjumlahkan skor tingkat pendidikan terakhir baik suami maupun istri. Sedangkan jenis uji hipotesis menggunakan uji dua arah dengan tingkat signifikan (α) sebesar 10%. baik suami maupun istri. Hasil pengumpulan data dari 38 responden diperoleh data sebagai berikut: 124 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS . dan Uji Multikolonearitas. Uji Heteroskedastisitas. Untuk menguji hipotesis digunakan Uji T (parsial).  Rasio Ketergantungan (X3) dihitung dengan membagi antara jumlah anggota keluarga yang tidak bekerja (menjadi tanggungan yang bekerja) dengan jumlah anggota keluarga yang bekerja. 3. 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.

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 .1.Tabel 8.

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

2. Rasio Ketergantungan.891(a) .471 a Predictors: (Constant). Besarnya Cicilan per Bulan. Hasil Pengolahan Data Regresi Linier Berganda Variables Entered/Removed(b) Model 1 Variables Entered Variables Removed . Pendapatan Keluarga(a) a All requested variables entered. Tingkat Pendidikan Ortu. Tingkat Pendidikan Ortu. Rasio Ketergantungan (X3). Tingkat Pendidikan Orang Tua (X2).768 141329. dan Besarnya Cicilan Per Bulan (X4) dan klik tanda panah untuk Independents dan klik OK. Blok variabel Pendapatan Keluarga (X1). klik Tunggakan Cicilan (Y) dan klik tanda panah (dalam lingkaran) untuk Dependent . Pendapatan Keluarga Model R R Square Adjusted R Square Analisis Regresi Linier: Uji Asumsi Klasik 127 . Error of the Estimate 1 . Ketika tampil kotak Linier Regression.Gambar 8. Rasio Ketergantungan.3. Variabel Dependen dan Independen 3. b Dependent Variable: Tunggakan Cicilan Model Summary Std. Method Enter Besarnya Cicilan per Bulan.793 . Tabel 8.

maka dapat dibuat model regresi linier berganda dengan persamaan sebagai berikut : Y = 79880.076 Ortu Rasio 64904.594 33 19974019427.777 -1.746 per Bulan a Dependent Variable: Tunggakan Cicilan Berdasarkan Tabel 8. Rasio Ketergantungan.444 X3 + 5.220 31.524 Pendapatan -. Besarnya Cicilan per Bulan.061 .144 X1 – 34755.941 2.211 -.474 37 a Predictors: (Constant).621 .723 .190 .770 Sig.085 . Pendapatan Keluarga b Dependent Variable: Tunggakan Cicilan Coefficients(a) Model Unstandardized Coefficients B Std. .042 .053 X4 + E Nilai masing-masing koefisien regresi Variabel Independen dari model regresi linier tersebut memberikan gambaran bahwa: 1. bagian Coefficients tersebut di atas.144 menggambarkan bahwa pendapatan keluarga mempunyai pengaruh negatif terhadap besarnya tunggakan cicilan bulanan kredit perumahan.561 t .591 – 0.ANOVA(b) Model Sum of Squares df Mean Square F Sig.254 .881 4 631607843129.144 .358 -1. Tingkat Pendidikan Ortu.081 Keluarga Tingkat Pendidikan -34755. 1 Regression 2526431372516. artinya dengan 128 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .000(a) Residual 659142641118. Koefisien Regresi Variabel Pendapatan Keluarga (X1) sebesar – 0.127 Ketergantungan Besarnya Cicilan 5.053 .118 6.444 30646. Error Standardized Coefficients Beta -.591 223358.836 Total 3185574013635.936 17908.000 1 (Constant) 79880.2.936 X2 + 64904.

904. artinya dengan semakin besarnya rasio ketergantungan dalam keluarga maka akan semakin meningkatkan. Koefisien Regresi Variabel Besarnya Cicilan per Bulan (X4) sebesar 5.semakin besarnya pendapatan keluarga maka tunggakan cicilan bulanan kredit perumahan akan semakin kecil. Koefisien Regresi Variabel Tingkat Pendidikan Orang Tua (X2) sebesar – 34.444 menggambarkan pengaruh bahwa positif rasio ketergantungan mempunyai terhadap besarnya tunggakan cicilan bulanan kredit perumahan. artinya dengan semakin tingginya tingkat pendidikan orang tua maka tunggakan cicilan bulanan kredit perumahan akan semakin kecil. 4.755. artinya dengan semakin besarnya cicilan per bulan maka akan semakin meningkatkan atau memperbesar tunggakan cicilan bulanan kredit perumahan. 3.053 menggambarkan bahwa besarnya cicilan per bulan berpengaruh positif terhadap besarnya tunggakan cicilan bulanan kredit perumahan. 2. Analisis Regresi Linier: Uji Asumsi Klasik 129 . Koefisien Regresi Variabel Rasio Ketergantungan (X3) sebesar 64.936 menggambarkan bahwa tingkat pendidikan orang tua mempunyai pengaruh negatif terhadap besarnya tunggakan cicilan bulanan kredit perumahan.

2.1. bagian Coefficients.684.4. Daerah Penolakan Ho 5% Daerah Penerimaan Ho 90 % Daerah Penolakan Ho 5% . Uji Hipotesis Parsial (Uji T) Uji hipotesis secara parsial digunakan untuk mengetahui pengaruh dari masing-masing Variabel Independen terhadap Variabel Dependen.8. 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.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. Nilai T hitung dari hasil pengolahan data dengan program SPSS dapat dilihat pada Tabel 8.2. Uji ini dilakukan dengan membandingkan nilai T hitung dengan nilai T tabel. Daerah Penerimaan dan Penolakan Ho 130 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS . dapat dilihat pada tabel T Student.684 Gambar 8.684 1.

namun jika tabel tersebut tidak tersedia maka untuk tunggakan cicilan tunggakan cicilan Analisis Regresi Linier: Uji Asumsi Klasik 131 . T hitung > T tabel atau 2. Variabel Rasio Ketergantungan. 2.684 maka Ho ditolak dan hipotesis penelitian diterima.684 maka Ho ditolak dan hipotesis penelitian diterima. Variabel Pendapatan Keluarga.941 < –1. Variabel Tingkat Pendidikan Orang Tua.684 maka Ho ditolak dan hipotesis penelitian diterima. 4.777 < –1.684 maka Ho ditolak dan hipotesis penelitian diterima.Dengan membandingkan nilai T hitung dengan T tabel maka dapat disimpulkan: 1. Variabel Besarnya Cicilan Bulanan. 3. yaitu –T hitung < – T tabel atau – 1. Langkah pengujian hipotesis di atas dilakukan jika dalam pengolahan data peneliti sudah menyiapkan Tabel T Students. artinya pendapatan keluarga mempunyai pengaruh yang signifikan terhadap bulanan kredit perumahan.770 > 1. yaitu –T hitung < –T tabel atau –1. yaitu T hitung > T tabel atau 6. artinya besarnya cicilan per bulan mempunyai pengaruh yang signifikan terhadap bulanan kredit perumahan.118 > 1. artinya tingkat pendidikan orang tua mempunyai pengaruh yang signifikan terhadap tunggakan cicilan bulanan kredit perumahan. artinya rasio ketergantungan mempunyai pengaruh yang signifikan terhadap tunggakan cicilan bulanan kredit perumahan.

8.2.042.000. Dengan demikian dapat disimpulkan bahwa Variabel Pendapatan Keluarga (X 1).-nya sebesar 0. 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 .100. dan Variabel Besarnya Cicilan Per Bulan (X4).memutuskan menerima atau menolak hipotesis penelitian dapat dilakukan dengan milihat nilai Signifikansi (Sig. Variabel Pendapatan Keluarga (X1) nilai Sig. di bawah 10% atau 0. Variabel Tingkat Pendidikan Orang Tua (X 2) nilai Sig. Variabel Tingkat Pendidikan Orang Tua (X 2). secara parsial mempunyai pengaruh yang signifikan terhadap Variabel Besarnya Tunggakan Cicilan Bulanan Kredit Perumahan (Y). bagian ANOVA. Variabel Rasio Ketergantungan (X3).-nya sebesar 0.1. bagian Coefficients.3.085.2.-nya sebesar 0.061. dan Variabel Besarnya Cicilan Per Bulan (X4) nilai Sig. Uji Hipotesis Serempak (Uji F) Uji mengetahui hipotesis secara dari serempak Variabel digunakan Independen untuk secara pengaruh keseluruhan terhadap Variabel Dependen.-nya sebesar 0. yaitu masing-masing variabel independen mempunyai nilai Sig. Variabel Rasio Ketergantungan (X3) nilai Sig. Uji ini dilakukan dengan membandingkan nilai F hitung dengan nilai F tabel. Nilai F hitung dapat dilihat pada Tabel 8.) pada tabel 8.

3% dan sisanya sebesar 20.4.Nilai F tabel dengan tingkat signifikan  = 5% dan Degrees of Freedom (df) sebesar 4 . 8.-nya di bawah 0. artinya Variabel Pendapatan Keluarga (X1). Hasil pengolahan data (lihat Tabel 8. dan Variabel Besarnya Cicilan Per Bulan (X4). Variabel Rasio Ketergantungan. maka keputusan yang dapat diambil adalah Ho ditolak dan hipotesis penelitian diterima.621 dan nilai F hitung tersebut lebih besar dari pada F tabel atau nilai Sig.6% sumbangan variabel dimasukkan dalam model yang diajukan dalam penelitian Analisis Regresi Linier: Uji Asumsi Klasik 133 . Variabel Rasio Ketergantungan (X3). Variabel Tingkat Pendidikan Orang Tua.2. Koefisien Determinasi (R Square) Nilai R2 atau R Square dapat dilihat pada Tabel 8. secara keseluruhan mempunyai pengaruh yang signifikan terhadap Variabel Besarnya Tunggakan Cicilan Bulanan Kredit Perumahan (Y).2) diketahui bahwa nilai F hitung sebesar 31. Hasil pengolahan data menunjukkan bahwa nilai R2 sebesar 0. Variabel Tingkat Pendidikan Orang Tua (X2). 33 adalah sebesar 2.65. Nilai tersebut menggambarkan bahwa sumbangan Variabel Independen (Variabel Pendapatan Keluarga. 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. bagian Model Summary.793.1.050 atau 5%.

891 atau 89. k adalah jumlah variabel. Sedangkan untuk nilai R sebesar 0. n . (k – 1).1% berarti hubungan antara Variabel Independen Dependen 100%.2.1. kemudian pilih sub menu Regression dan klik Linier. Ketika sudah masuk pada kotak Linier Regression.tersebut (terkumpul dalam Variabel Pengganggu atau E). Keterangan: n adalah jumlah sampel. dan α adalah taraf signifikan. d U . 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 . 8. Langkah untuk mengetahui nilai DW dengan program SPSS adalah sama dengan ketika mengolah dengan analisis regresi linier pada contoh kasus di atas. 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).2. α . yaitu pilih menu Analyze. Nilai dL dan dU dapat dilihat pada tabel Durbin Waston. sebaliknya jika nilai DW < dL atau DW > (4 – dL) berarti terdapat Autokorelasi. UJI ASUMSI KLASIK 8. Untuk menguji Autokorelasi dapat dilihat dari nilai Durbin Waston (DW). yaitu nilai dL . yaitu jika nilai DW terletak antara du dan (4 – dU) atau du ≤ DW ≤ (4 – dU) berarti bebas dari Autokorelasi.

Untuk pilihan Estimates dan Model Fit dinonaktifkan (tandanya dihilangkan) dengan cara mengeklik tanda centang.6. klik Statistics .Variabel Dependen ke kotak Dependent dan seluruh Variabel Independen ke kotak Independent (s) .. dan untuk pilihan Durbin Waston diaktifkan kemudian klik Continue. maka akan tampil kotak Linier Regression: Statistics. Menguji Autokorelasi (1) Setelah semua variabel masuk pada tempatnya. Gambar 8..5. Menguji Autokorelasi (2) Analisis Regresi Linier: Uji Asumsi Klasik 135 . Gambar 8.

471 1.2.72. menunjukkan nilai Durbin Watson sebesar 1. 8. Hasil pengolahan data pada Tabel 8.28 maka dapat disimpulkan bahwa dalam regresi linier tersebut tidak terdapat Autokorelasi atau tidak terjadi korelasi diantara kesalahan pengganggu. Tingkat Pendidikan Ortu.72 < 1.768 141329.3.777 dan nilai tersebut berada di antara dU dan (4 – dU) atau 1. di atas. Uji Multikolinearitas Uji Multikolinearitas digunakan untuk mengetahui apakah terjadi korelasi yang kuat di antara variabel-variabel independen yang diikutsertakan dalam pembentukan model. n = 38.777 < 2.891(a) . namun yang berbeda adalah pada bagian Model Summary akan tambah kolom Durbin Watson.777 a Predictors: (Constant).3. k – 1 = 4 adalah dL = 1. Error of Durbin-Watson Square the Estimate 1 .2. yaitu sebagai berikut: Tabel 8.26 dan dU = 1.Setelah diklik Continue maka akan kembali ke kotak Linier Regression dan kemudian langsung klik OK. 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 .793 . Besarnya Cicilan per Bulan. maka akan tampil persis seperti pada Tabel 8. Pendapatan Keluarga b Dependent Variable: Tunggakan Cicilan Model R R Square Nilai tabel Durbin Watson pada α = 5%. Hasil Pengolahan Data untuk Uji Autokorelasi Model Summary(b) Adjusted R Std.2. Rasio Ketergantungan.

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

422 939185082.992 ngan Tingkat Pendidikan 2613.911 Ortu Pendapatan .992 -278.523 2.235 . yaitu dengan melihat nilai 138 VIF masing-masing variabel Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .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 1.196 .000 . untuk menguji ada tidaknya Multikolinearitas pada model regresi linier dapat dilakukan dengan dua cara.4.823 320699199.235 148948109.271 .020 1. Hasil Pengolahan Data untuk Uji Multikolinearitas Coefficients(a) Model 1 Pendapatan Keluarga Tingkat Pendidikan Ortu Rasio Ketergantungan Besarnya Cicilan per Bulan Collinearity Statistics Tolerance .422 2613.342 148948109.957 -278.557 453.297 1.005 1549.914 VIF 2.192 1.4.192 Ortu Pendapatan .271 1.007 Keluarga a Dependent Variable: Tunggakan Cicilan Berdasarkan hasil pengolahan data pada Tabel 8.911 .657 .196 .000 Keluarga Covari Besarnya ances Cicilan per .446 .823 1549.000 -.625 ngan Tingkat Pendidikan .020 . tersebut di atas.000 .243 1.005 Bulan Rasio Ketergantu 453.435 .Tabel 8.086 Bulan Rasio Ketergantu .086 .625 -.

2.3. 8. yaitu nilai VIF Variabel Pendapatan Keluarga sebesar 2.297. Sedangkan pada bagian Coefficient Correlations. nilai VIF Variabel Rasio Ketergantungan sebesar 2.independen independen. Analisis Regresi Linier: Uji Asumsi Klasik 139 . nilai VIF Variabel Tingkat Pendidikan Orang Tua sebesar 1. Jika nilai signifikan lebih besar dari α (5%) maka tidak terdapat Heteroskedastisitas.094. 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. Uji Heteroskedastisitas Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi liner kesalahan sama atau lain. dan nilai VIF Variabel Besarnya Cicilan Per Bulan sebesar 1.243.523. dapat dilihat bahwa nilai korelasi di antara variabel independen dapat dikatakan mempunyai korelasi yang lemah. dan sebaliknya jika lebih kecil dari α (5%) maka terdapat Heteroskedastisitas. dan melihat nilai korelasi antar variabel Pada tabel 8. bagian Coefficients. diketahui bahwa nilai VIF dari masing-masing variabel independen lebih kecil dari pada 5.4.

Pada kotak Compute Variable.936*X2)+(64904. bagian Target Variable ketik Residual dan pada bagian Numeric Expression ketik: Y-(79880. Uji Heteroskedastisitas (1) Gambar 8. Uji Heteroskedastisitas (2) 140 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .591+(–0.144*X1)+(–34755.8.Langkah untuk mendapatkan nilai residual adalah: pada tampilan Data View.444*X3)+ (5.053*X4)) kemudian klik OK.9. Gambar 8. pilih menu Transform dan klik Compute.

pindahkan semua Variabel Independen dan residual ke Variables. Pada kotak Bivariate Correlations. klik Correlate.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). yaitu kolom Residual. kemudian klik OK. Selanjutnya untuk proses mendapatkan nilai korelasi Rank Spearman adalah pilih menu Analyze. dan klik Bivariate. dan kemudian pada menu File klik Save atau langsung tombol Ctrl + S. Gambar 8. kemudian untuk Correlation Coefficients hilangkan tanda centang pada Pearson dan beri tanda centang pada Spearman. Uji Heteroskedastisitas (3) Analisis Regresi Linier: Uji Asumsi Klasik 141 . Setelah proses tersebut selesai maka pada tampilan Data View akan bertambah satu kolom.10.

(2-tailed) .419 .603 ga N 38 38 38 38 38 Tingkat Correlation -.135 -.055 . (2-tailed) . 38 Tunggak Correlation 1.233 Coefficient Sig.008 1.146 -.510(**) -. 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 .000 nya Coefficient Cicilan Sig.001 N 38 38 38 38 38 Penda Correlation -.721 .000 . pada kolom Residual dapat dilihat bahwa nilai Correlation Coefficient adalah rendah atau nilai signifikan (Sig.582(**) -.004 Pendidi Coefficient kan Ortu Sig.5 tersebut di atas.602(**) 1. .060 .419 38 -.000 .146 .961 ngan N 38 38 38 38 38 Besar Correlation .01 level (2-tailed).380 38 -. (2-tailed) .961 . .087 patan Coefficient Keluar Sig.5.679(**) -.135 .000 .000 . (2-tailed) .Hasil pengolahan data dengan korelasi Rank Spearman adalah sebagai berikut: Tabel 8.679(**) -.159 38 1.000 . Berdasarkan tabel 8.001 .000 -.603 .980 N 38 38 38 38 38 Rasio Correlation . (2-tailed) .001 .060 . per N 38 38 38 38 38 Bulan Residual Correlation . (2-tailed)) masing 142 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .000 .506(**) .000 .000 .506(**) .000 -.510(**) 1.742 38 .380 .605(**) 1. .721 38 .582(**) .980 .000 -.087 .008 Keter Coefficient gantu Sig.507(**) an Cici Coefficient lan Sig.001 .742 .000 .605(**) -.000 . (2-tailed) .001 .233 .004 -.055 .001 .507(**) -.602(**) . .159 N 38 38 38 38 38 ** Correlation is significant at the 0.

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

144 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->