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

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

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

Tabel 8. 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.

1. Kemudian klik Variable View. Analisis Regresi Berganda Untuk melakukan pengolahan data analisis regresi berganda dengan langkah sebagai berikut: 1. Gambar 8. pilih menu Analyze. maka akan tampil sebagai berikut: Gambar 8. Untuk Label diisi dengan nama masing-masing variabel. Name 3: X2. ke dalam Data View Program SPSS. kemudian pilih sub menu Regression dan klik Linier.8. Name 4: X3.1.2. Untuk mengolah data dengan analisis regresi linier. Masukkan data pada Tabel 8. Menu untuk Analisis Regresi Berganda 126 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS . Tampilan Variable View 2. dan Name 5: X5. untuk Name 1: Y.1.1. Name 2: X1.

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

444 30646. bagian Coefficients tersebut di atas.474 37 a Predictors: (Constant).836 Total 3185574013635. artinya dengan 128 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .723 . .076 Ortu Rasio 64904.2.770 Sig.118 6.561 t .061 .220 31.941 2.144 .777 -1. Pendapatan Keluarga b Dependent Variable: Tunggakan Cicilan Coefficients(a) Model Unstandardized Coefficients B Std.746 per Bulan a Dependent Variable: Tunggakan Cicilan Berdasarkan Tabel 8.254 . 1 Regression 2526431372516.444 X3 + 5.144 X1 – 34755.081 Keluarga Tingkat Pendidikan -34755. Tingkat Pendidikan Ortu.358 -1.594 33 19974019427.000 1 (Constant) 79880.053 X4 + E Nilai masing-masing koefisien regresi Variabel Independen dari model regresi linier tersebut memberikan gambaran bahwa: 1.190 .591 223358.936 X2 + 64904.524 Pendapatan -. Error Standardized Coefficients Beta -.881 4 631607843129.591 – 0.211 -. maka dapat dibuat model regresi linier berganda dengan persamaan sebagai berikut : Y = 79880.621 .085 . Besarnya Cicilan per Bulan. Koefisien Regresi Variabel Pendapatan Keluarga (X1) sebesar – 0.936 17908.000(a) Residual 659142641118.ANOVA(b) Model Sum of Squares df Mean Square F Sig.127 Ketergantungan Besarnya Cicilan 5.144 menggambarkan bahwa pendapatan keluarga mempunyai pengaruh negatif terhadap besarnya tunggakan cicilan bulanan kredit perumahan.042 . Rasio Ketergantungan.053 .

artinya dengan semakin besarnya cicilan per bulan maka akan semakin meningkatkan atau memperbesar tunggakan cicilan bulanan kredit perumahan.755.444 menggambarkan pengaruh bahwa positif rasio ketergantungan mempunyai terhadap besarnya tunggakan cicilan bulanan kredit perumahan.936 menggambarkan bahwa tingkat pendidikan orang tua mempunyai pengaruh negatif 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. 4. Koefisien Regresi Variabel Rasio Ketergantungan (X3) sebesar 64. Analisis Regresi Linier: Uji Asumsi Klasik 129 . artinya dengan semakin besarnya rasio ketergantungan dalam keluarga maka akan semakin meningkatkan. 2.053 menggambarkan bahwa besarnya cicilan per bulan berpengaruh positif terhadap besarnya 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. 3.904.

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. Uji ini dilakukan dengan membandingkan nilai T hitung dengan nilai T tabel.4. Uji Hipotesis Parsial (Uji T) Uji hipotesis secara parsial digunakan untuk mengetahui pengaruh dari masing-masing Variabel Independen terhadap Variabel Dependen. bagian Coefficients.1.684. Daerah Penerimaan dan Penolakan Ho 130 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .684 Gambar 8.1.2. Nilai T hitung dari hasil pengolahan data dengan program SPSS dapat dilihat pada Tabel 8. dapat dilihat pada tabel T Student.684 1. Daerah Penolakan Ho 5% Daerah Penerimaan Ho 90 % Daerah Penolakan Ho 5% . 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.8.2.

777 < –1. artinya tingkat pendidikan orang tua mempunyai pengaruh yang signifikan terhadap tunggakan cicilan bulanan kredit perumahan. namun jika tabel tersebut tidak tersedia maka untuk tunggakan cicilan tunggakan cicilan Analisis Regresi Linier: Uji Asumsi Klasik 131 . artinya pendapatan keluarga mempunyai pengaruh yang signifikan terhadap bulanan kredit perumahan. yaitu –T hitung < –T tabel atau –1.770 > 1.684 maka Ho ditolak dan hipotesis penelitian diterima. Variabel Rasio Ketergantungan. Variabel Pendapatan Keluarga. 4.Dengan membandingkan nilai T hitung dengan T tabel maka dapat disimpulkan: 1. artinya besarnya cicilan per bulan mempunyai pengaruh yang signifikan terhadap bulanan kredit perumahan. Langkah pengujian hipotesis di atas dilakukan jika dalam pengolahan data peneliti sudah menyiapkan Tabel T Students. 3.684 maka Ho ditolak dan hipotesis penelitian diterima.941 < –1.118 > 1. artinya rasio ketergantungan mempunyai pengaruh yang signifikan terhadap tunggakan cicilan bulanan kredit perumahan.684 maka Ho ditolak dan hipotesis penelitian diterima. Variabel Tingkat Pendidikan Orang Tua.684 maka Ho ditolak dan hipotesis penelitian diterima. yaitu –T hitung < – T tabel atau – 1. Variabel Besarnya Cicilan Bulanan. T hitung > T tabel atau 2. 2. yaitu T hitung > T tabel atau 6.

3. secara parsial mempunyai pengaruh yang signifikan terhadap Variabel Besarnya Tunggakan Cicilan Bulanan Kredit Perumahan (Y).061. Uji ini dilakukan dengan membandingkan nilai F hitung dengan nilai F tabel. dan Variabel Besarnya Cicilan Per Bulan (X4) nilai Sig.) pada tabel 8.2. Variabel Tingkat Pendidikan Orang Tua (X 2) nilai Sig. Nilai F hitung dapat dilihat pada Tabel 8.100.000. di bawah 10% atau 0. Variabel Rasio Ketergantungan (X3) nilai Sig. 8.-nya sebesar 0.-nya sebesar 0.memutuskan menerima atau menolak hipotesis penelitian dapat dilakukan dengan milihat nilai Signifikansi (Sig. bagian ANOVA. 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 . dan Variabel Besarnya Cicilan Per Bulan (X4). yaitu masing-masing variabel independen mempunyai nilai Sig.-nya sebesar 0.1.042.-nya sebesar 0. Variabel Rasio Ketergantungan (X3). Dengan demikian dapat disimpulkan bahwa Variabel Pendapatan Keluarga (X 1). Uji Hipotesis Serempak (Uji F) Uji mengetahui hipotesis secara dari serempak Variabel digunakan Independen untuk secara pengaruh keseluruhan terhadap Variabel Dependen. Variabel Tingkat Pendidikan Orang Tua (X 2).2.085. Variabel Pendapatan Keluarga (X1) nilai Sig. bagian Coefficients.

artinya Variabel Pendapatan Keluarga (X1).-nya di bawah 0. Hasil pengolahan data menunjukkan bahwa nilai R2 sebesar 0.2. Hasil pengolahan data (lihat Tabel 8.Nilai F tabel dengan tingkat signifikan  = 5% dan Degrees of Freedom (df) sebesar 4 . 33 adalah sebesar 2. dan Variabel Besarnya Cicilan Per Bulan (X4). Variabel Rasio Ketergantungan (X3).793.65. bagian Model Summary. Koefisien Determinasi (R Square) Nilai R2 atau R Square dapat dilihat pada Tabel 8.6% sumbangan variabel dimasukkan dalam model yang diajukan dalam penelitian Analisis Regresi Linier: Uji Asumsi Klasik 133 . 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 79.4.2) diketahui bahwa nilai F hitung sebesar 31. Variabel Tingkat Pendidikan Orang Tua (X2).3% dan sisanya sebesar 20. Variabel Tingkat Pendidikan Orang Tua. secara keseluruhan 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.050 atau 5%. 8. Variabel Rasio Ketergantungan.621 dan nilai F hitung tersebut lebih besar dari pada F tabel atau nilai Sig.1.

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

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

8. Rasio Ketergantungan. namun yang berbeda adalah pada bagian Model Summary akan tambah kolom Durbin Watson. Hasil pengolahan data pada Tabel 8.2. maka akan tampil persis seperti pada Tabel 8. Hasil Pengolahan Data untuk Uji Autokorelasi Model Summary(b) Adjusted R Std.471 1. Tingkat Pendidikan Ortu.72. Uji Multikolinearitas Uji Multikolinearitas digunakan untuk mengetahui apakah terjadi korelasi yang kuat di antara variabel-variabel independen yang diikutsertakan dalam pembentukan model.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 .72 < 1. menunjukkan nilai Durbin Watson sebesar 1. yaitu sebagai berikut: Tabel 8.793 . Error of Durbin-Watson Square the Estimate 1 .777 a Predictors: (Constant).28 maka dapat disimpulkan bahwa dalam regresi linier tersebut tidak terdapat Autokorelasi atau tidak terjadi korelasi diantara kesalahan pengganggu. di atas. Pendapatan Keluarga b Dependent Variable: Tunggakan Cicilan Model R R Square Nilai tabel Durbin Watson pada α = 5%.891(a) .777 dan nilai tersebut berada di antara dU dan (4 – dU) atau 1. Besarnya Cicilan per Bulan. k – 1 = 4 adalah dL = 1.3.2.777 < 2. n = 38.768 141329.26 dan dU = 1.3.2.

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

297 1.007 Keluarga a Dependent Variable: Tunggakan Cicilan Berdasarkan hasil pengolahan data pada Tabel 8.523 2.4.271 .992 -278.192 1.000 -.086 Bulan Rasio Ketergantu .000 .911 .342 148948109.005 Bulan Rasio Ketergantu 453.020 1.657 .235 .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. untuk menguji ada tidaknya Multikolinearitas pada model regresi linier dapat dilakukan dengan dua cara.957 -278.000 Keluarga Covari Besarnya ances Cicilan per .Tabel 8.557 453.196 .005 1549. tersebut di atas.192 Ortu Pendapatan .196 .000 .625 -.422 2613.823 320699199.992 ngan Tingkat Pendidikan 2613.271 1.422 939185082. yaitu dengan melihat nilai 138 VIF masing-masing variabel Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .435 .235 148948109.020 .911 Ortu Pendapatan .4. 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 ngan Tingkat Pendidikan .914 VIF 2.086 .446 .823 1549.243 1.

dapat dilihat bahwa nilai korelasi di antara variabel independen dapat dikatakan mempunyai korelasi yang lemah.523.094. dan sebaliknya jika lebih kecil dari α (5%) maka terdapat Heteroskedastisitas. yaitu nilai VIF Variabel Pendapatan Keluarga sebesar 2.297. dan melihat nilai korelasi antar variabel Pada tabel 8. dan nilai VIF Variabel Besarnya Cicilan Per Bulan sebesar 1. 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. nilai VIF Variabel Rasio Ketergantungan sebesar 2. bagian Coefficients.independen independen. Sedangkan pada bagian Coefficient Correlations. Jika nilai signifikan lebih besar dari α (5%) maka tidak terdapat Heteroskedastisitas.2.4. Dengan demikian dapat disimpulkan bahwa di antara variabel independen tersebut tidak ada korelasi atau tidak terjadi Multikolinearitas pada model regresi linier.243. Uji Heteroskedastisitas Uji Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi liner kesalahan sama atau lain. nilai VIF Variabel Tingkat Pendidikan Orang Tua sebesar 1. 8. diketahui bahwa nilai VIF dari masing-masing variabel independen lebih kecil dari pada 5.3. Analisis Regresi Linier: Uji Asumsi Klasik 139 .

444*X3)+ (5.9.936*X2)+(64904. Pada kotak Compute Variable. pilih menu Transform dan klik Compute.144*X1)+(–34755. Gambar 8.053*X4)) kemudian klik OK. Uji Heteroskedastisitas (2) 140 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .591+(–0.Langkah untuk mendapatkan nilai residual adalah: pada tampilan Data View.8. Uji Heteroskedastisitas (1) Gambar 8. bagian Target Variable ketik Residual dan pada bagian Numeric Expression ketik: Y-(79880.

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

135 -.721 38 .060 . (2-tailed) .159 38 1. .605(**) 1.5.679(**) -.980 N 38 38 38 38 38 Rasio Correlation .507(**) -. (2-tailed) .000 .603 ga N 38 38 38 38 38 Tingkat Correlation -.380 .233 . (2-tailed) .008 Keter Coefficient gantu Sig.001 .510(**) 1. .742 .000 -.605(**) -.055 .582(**) -.008 1.380 38 -. pada kolom Residual dapat dilihat bahwa nilai Correlation Coefficient adalah rendah atau nilai signifikan (Sig.000 -.060 .000 .602(**) .510(**) -.980 .000 nya Coefficient Cicilan Sig.001 .000 -.135 .004 Pendidi Coefficient kan Ortu Sig.233 Coefficient Sig.146 .087 .055 .506(**) . (2-tailed) .000 .582(**) .419 38 -.01 level (2-tailed).004 -. (2-tailed) .721 .5 tersebut di atas.000 .Hasil pengolahan data dengan korelasi Rank Spearman adalah sebagai berikut: Tabel 8.000 .146 -.000 .000 .001 N 38 38 38 38 38 Penda Correlation -. .000 .001 . 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 . .603 .419 .602(**) 1.159 N 38 38 38 38 38 ** Correlation is significant at the 0.000 . per N 38 38 38 38 38 Bulan Residual Correlation . (2-tailed) .001 .087 patan Coefficient Keluar Sig.506(**) .679(**) -. 38 Tunggak Correlation 1.961 .507(**) an Cici Coefficient lan Sig.961 ngan N 38 38 38 38 38 Besar Correlation . (2-tailed)) masing 142 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .001 .742 38 .000 . Berdasarkan tabel 8.

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

144 Metode Penelitian Kuantitatif : Plus Aplik asi Program SPSS .

Sign up to vote on this title
UsefulNot useful