Uji Multikolinearitas

Correlations
y X1 X2
Pearson y 1.000 .980 -.983
Correlation X1 .980 1.000 -.980
X2 -.983 -.980 1.000
Sig. (1-tailed) y . .000 .000
X1 .000 . .000
X2 .000 .000 .
N y 16 16 16
X1 16 16 16
X2 16 16 16

hasil korelasi antara variabel bebas X1 dengan X2 adalah sebesar r = -0,983. Karena nilai -0,983
< 0,8 maka gejala multikolinearitas tidak terdeteksi.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients 95.0% Confidenc
Model B Std. Error Beta T Sig. Lower Bound
1 (Constant) 1657.208 652.458 2.540 .025 247.659
X1 .368 .201 .418 1.834 .090 -.066
X2 -26.531 10.566 -.573 -2.511 .026 -49.357
a. Dependent Variable: y

Dalam tabel coefficient dapat diperhatikan nilai standar error kurang dari satu pada salah satu
variable, yaitu X1 = 0,201 tetapi X2 = 10,566. Serta nilai koefisien beta juga kurang dari satu
dimana X1 = 0,368 dan X2 = -26,531. Maka dapat dikatakan bahwa nilai standar error rendah
dan multikolinearitas tidak terdeteksi
Tetapi memiliki rentang yang luas yaitu pada X1 = 0,40 sampai dengan 25.261 Sedangkan pada
X2 juga kebetulan hasilnya sama yaitu X2 = 0,40 sampai dengan 25,261. Karena rentangnya luas
maka multikolinearitas terdeteksi.

Collinearity Diagnosticsa
 Condition Variance Proportions
Model Dimension Eigenvalue Index (Constant) X1 X2
1 1 2.846 1.000 .00 .00 .00
2 .153 4.307 .00 .03 .00
3 .000 122.275 1.00 .97 1.00
a. Dependent Variable: y
Dimana eigenvalue 0 < 0,01 dan condition index < 30 yaitu 122,275 ,terjadi Multikolineritas

Kesimpulan : memungkinkan terjadi multikolinearitas pada data ini, karena terdapat

perbandingan 2:2 antara terdeteksinya multikolinearitas dan tidak pada table hasil di atas

Uji Heteroskedastisitas

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients 95.0% Confidenc
Model B Std. Error Beta t Sig. Lower Bound
1 (Constant) -206.765 340.357 -.607 .554 -942.061
X1 .074 .105 .963 .704 .494 -.152
X2 3.925 5.512 .974 .712 .489 -7.983
a. Dependent Variable: Abs_RES

Kesimpulan : nilai signifikansi(sig) untuk variable X1 = 0,494 dan variable X2 = 0,489 , nilai
tersebut lebih besar dari 0,05 maka tidak terjadi heteroskedasitisitas
Uji Normalitas

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
y .104 16 .200* .967 16 .790
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Kesimpulan : karena datanya kecil (n=16) maka menggunakan Shapiro Wilk. berdasarkan nilai
Shapiro Wilk diperoleh nilai p=0,790. karena nilai p>0,05 maka dpat disimpulkan bahwa data
berdistribusi normal.

Uji Autokorelasi

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
a
1 .987 .973 .969 46.913 1.691
a. Predictors: (Constant), Tingkat Harga, Pendapatan
b. Dependent Variable: Konsumsi

Nilai Durbin Watson 1,691 dimana variable independent bejumlah 2 dan N=16 , maka (k ; N)=(2
; 16, kemudian meliha ke table ditribusi Durbin Watson untuk mencari DU dan DL, hasilnya
adalah DU =1.539 dan DL =0,982.
Kesimpulan : tidak terdapat gejala autokorelasi dimana nilai Durbin Watson 1,691 lebih besar
dari batas atas Du = 1,539