Uji A l sumsi Kla l sik 1. Uji Norma l lita l s

BAB I PENDAHULUAN

2. Uji koefisien determina l si (R-squa l re)

4.4.2. Uji A l sumsi Kla l sik 1. Uji Norma l lita l s

Sa^lla^lh sa^ltu teknik untuk menentuka^ln uji norma^llita^ls a^lda^lla^lh denga^ln mengguna^lka^ln teknik norma^llita^ls Kolmogorov-Smirnov (KS). Uji norma^llita^ls ini da^lpa^lt dika^lta^lka^ln da^lta^l residua^ll berdistribusi norma^ll jika^l tingka^lt signifika^lnsi a^llpha^l > 0,05. Seba^lliknya^l, jika^l tingka^lt signifika^lnsi < 0,05 ma^lka^l da^lta^l residua^ll tida^lk terdistribusi norma^ll a^lta^lu mendeka^lti norma^ll. Berikut ini ha^lsil uji norma^llita^ls denga^ln dua^l teknik ya^litu norma^llita^ls Kolmogorof-Smirnor, ya^litu:

Ta^lbel 4.17 Ha^lsil Uji Norma^llita^ls

One-Sa^lmple Kolmogorov-Smirnov Test

Unsta^lnda^lrdized Residua^ll

N 120

Normall Palralmeters^al,b Mealn .0000000

Std. Devialtion 1.55706695

Most Extreme Differences Albsolute .067

Positive .052

Negaltive -.067

Test Sta^ltistic .067

Alsymp. Sig. (2-taliled) .200^c,d

al. Test distribution is Normall.

b. Ca^llcula^lted from da^lta^l.

c. Lilliefors Significalnce Correction.

d. This is al lower bound of the true significalnce.

Sumber: Da^lta^l Pengola^lha^ln SPSS Versi 25 (2022)

Ta^lbel 4.17 menunjukka^ln ha^lsil uji norma^llita^ls mengguna^lka^ln teknik Kolmogorov-Smirnov ya^lng menunjukka^ln nila^li A^lsymp. Sig. 0,200 dima^lna^l nila^li tersebut > 0,05. Ja^ldi

da^lpa^lt disimpulka^ln ba^lhwa^l va^lria^lbel pendidika^ln kewira^lusa^lha^la^ln, locus of control, norma^l subjektif, gender terha^lda^lp va^lria^lbel nia^lt berwira^lusa^lha^l terbistribusi norma^ll.

2. Uji Multikolinierita^ls

Uji multikolinea^lrita^ls ini berfungsi untuk menguji a^lpa^lka^lh model regresi tela^lh menemuka^ln korela^lsi a^lnta^lr va^lria^lbel beba^ls (independen va^lria^lbel). Model regresi ya^lng ba^lik jika^l terda^lpa^lt korela^lsi a^lnta^lr va^lria^lbel beba^ls a^lta^lu tida^lk terja^ldi multikolinea^lrita^ls.

A^lla^lt da^lla^lm pengujia^ln multikolinea^lrita^ls a^lda^lla^lh denga^ln meliha^lt nila^li Tolera^lnce da^ln Va^lria^lnce Infla^ltion Fa^lctor (VIF). Kedua^l pengukura^ln tersebut menunjukka^ln va^lria^lbel beba^ls ma^lna^l ya^lng da^lpa^lt dijela^lska^ln oleh va^lria^lbel beba^ls la^linnya^l. Ketika^l nila^li Tolera^lnce mendeka^lti 1 (> 0.10) a^lta^lu nila^li VIF < 10, ma^lka^l tida^lk terja^ldi multikolinea^lrita^ls pa^lda^l model regresi. Begitu juga^l seba^lliknya^l, jika^l nila^li tolera^lnce < 0.10 a^lta^lu nila^li VIF > 10, ma^lka^l terja^ldi multikolinea^lrita^ls da^lla^lm model regresi.

Ta^lbel 4.18

Ha^lsil Uji Multikolinierita^ls Coefficients^al

Model

Unstalndalrdized Coefficients

Stalndalrdize d Coefficients

t Sig.

Collinealrity Staltistics

B Std. Error Betal

Tolera^lnc

e VIF

1 (Consta^lnt) 2.347 1.502 1.563 .121

PKWU .566 .113 .393 5.004 .000 .472 2.117

LC .170 .062 .196 2.733 .007 .569 1.757

NS .476 .091 .382 5.204 .000 .542 1.846

G -.077 .071 -.066 -1.084 .281 .788 1.268

a^l. Dependent Va^lria^lble: N

Sumber: Da^lta^l Pengola^lha^ln SPSS Versi 25 (2022)

Ta^lbel 4.18 menunjukka^ln ha^lsil uji multikolinierita^ls da^lla^lm pengujia^ln va^lria^lbel pendidika^ln kewira^lusa^lha^la^ln, locus of control, norma^l subjektif, gender terha^lda^lp va^lria^lbel nia^lt berwira^lusa^lha^l. Pa^lda^l va^lria^lbel pendidika^ln kewira^lusa^lha^la^ln denga^ln nila^li tolera^lnce 0,472 > 0,1 da^ln nila^li VIF 2,117 < 10 ya^lng bera^lrti terbeba^ls da^lri multikolinierita^ls.

Va^lria^lbel locus of control denga^ln nila^li tolera^lnce 0,569 > 0,1 da^ln nila^li VIF 1,757

< 10 ya^lng bera^lrti beba^ls da^lri multikolinierita^ls. Va^lria^lbel norma^l subjektif denga^ln nila^li tolera^lnce 0,542 > 0,1 da^ln nila^li VIF 1,846 < 10 ya^lng bera^lrti terbeba^ls da^lri multikolinierita^ls. Va^lria^lbel gender denga^ln nila^li tolera^lnce 0,788 > 0,1 da^ln nila^li VIF 1,268 < 10 ya^lng bera^lrti terbeba^ls da^lri multikolinierita^ls.

3. Uji Heteroskeda^lstisita^ls

Uji heteroskeda^lstisita^ls berfungsi untuk menguji a^lpa^lka^lh da^lla^lm model regresi terda^lpa^lt perbeda^la^ln va^lria^lns da^lri residua^ll a^lnta^lra^l sa^ltu penga^lma^lta^ln denga^ln penga^lma^lta^ln la^linnya^l (A^lstuti, 2020). Jika^l residua^ll memiliki va^lria^lns ya^lng sa^lma^l, disebut homoskeda^lstisita^ls, da^ln jika^l va^lria^lns tida^lk sa^lma^l, ma^lka^l terja^ldi heteroskeda^lstisita^ls.

Model regresi ya^lng ba^lik a^lda^lla^lh homoskeda^lstisita^ls a^lta^lu tida^lk a^lda^lnya^l heteroskeda^lstisita^ls.

Uji heteroskeda^lstisita^ls diguna^lka^ln untuk menguji a^lpa^lka^lh da^lla^lm model regresi terda^lpa^lt ketida^lksa^lma^la^ln va^lria^lns residua^ll da^lri sa^ltu penga^lma^lta^ln ke penga^lma^lta^ln la^lin.

Model regresi dika^lta^lka^ln ba^lik jika^l modelnya^l homoskeda^lstisita^ls a^lta^lu tida^lk terja^ldi heteroskeda^lstisita^ls. Pa^lda^l pengujia^ln ini dika^lta^lka^ln tida^lk terja^ldi heteroskeda^lstisita^ls jika^l nila^li signifika^lnsinya^l > 0,05. Seba^lliknya^l jika^l nila^li signifika^lnsi < 0,05 ma^lka^l da^lpa^lt dika^lta^lka^ln terja^ldi heteroskeda^lstisita^ls.

Ta^lbel 4.19

Ha^lsil Uji Heteroskeda^lstisita^ls denga^ln Metode Weighted Lea^lst Squa^lre Coefficients^al

Model

Unstalndalrdized Coefficients

Sta^lnda^lrdized Coefficients

t Sig.

B Std. Error Beta^l

1 (Constalnt) -1.111 .946 -1.174 .243

PKWU .044 .071 .081 .617 .539

LC .024 .039 .073 .607 .545

NS -.039 .058 -.084 -.684 .495

G .080 .045 .183 1.796 .075

al. Dependent Valrialble: AlBS_RES

Sumber: Da^lta^l Pengola^lha^ln SPSS Versi 25 (2022)

Pa^lda^l ta^lbel 4.19 Setela^lh dila^lkuka^ln metode WLS, uji heteroskeda^lstisita^ls pa^lda^l va^lria^lbel pendidika^ln kewira^lusa^lha^la^ln mengha^lsilka^ln nila^li Sig. 0,539 > 0,05 ya^lng bera^lrti beba^ls da^lri geja^lla^l heteroskeda^lstisita^ls. Va^lria^lbel locus of control mengha^lsilka^ln nila^li Sig.

0,545 > 0,05 ya^lng bera^lrti beba^ls da^lri geja^lla^l heteroskeda^lstisita^ls. Va^lria^lbel norma^l subjektif ya^lng mengha^lsilka^ln nila^li Sig. 0,45 > 0,05 ya^lng bera^lrti tida^lk a^lda^l geja^lla^l heteroskeda^lstisita^ls. Va^lria^lbel gender ya^lng mengha^lsilka^ln nila^li Sig. 0,075 > 0,05 ya^lng bera^lrti tida^lk a^lda^l geja^lla^l heteroskeda^lstisita^ls. Da^lpa^lt disimpulka^ln ba^lhwa^l mengguna^lka^ln metode WLS persa^lma^la^ln I tida^lk terja^ldi heteroskeda^lstisita^ls.

4.4.3. Uji Keteta^lpa^ln Model