1.

Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

EKS HRG KURS

N 16 16 16

Normal Parametersa Mean 3.7913E4 1.7250E3 28.4562

Std. Deviation 3.49494E4 1.77317E3 2.47459E1

Most Extreme Differences Absolute .194 .203 .345

Positive .194 .203 .345

Negative -.164 -.180 -.179

Kolmogorov-Smirnov Z .778 .813 1.380

Asymp. Sig. (2-tailed) .581 .523 .044

a. Test distribution is Normal.

Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak. Uji
ini biasanya digunakan untuk mengukur data berskala ordinal, interval, ataupun rasio. Jika analisis
menggunakan metode parametrik, maka persyaratan normalitas harus terpenuhi yaitu data berasal dari
distribusi yang normal.
Variabel EKS : Nilai signifikansi yang diperoleh adalah sebesar 0.581 > 0.05, maka kesimpulannya Ha
diterima dan Ho ditolak, artinya data tersebut normal.
Variabel HRG : Nilai signifikansi yang diperoleh adalah sebesar 0.523 > 0.05, maka kesimpulannya Ha
diterima dan Ho ditolak, artinya data tersebut normal.
Variabel KURS: Nilai signifikansi yang diperoleh adalah sebesar 0.044 < 0.05, maka kesimpulannya Ho
diterima dan Ha ditolak, artinya data tersebut normal.
2. Uji Multikolineritas

Coefficientsa

Unstandardized Standardized 95% Confidence Interval Collinearity

Coefficients Coefficients for B Correlations Statistics

Lower Upper
Model B Std. Error Beta t Sig. Bound Bound Zero-order Partial Part Tolerance VIF

1 (Constant) -4077.835 4585.979 -.889 .390 -13985.239 5829.570

HRG 7.816 1.819 .397 4.297 .001 3.887 11.746 .713 .766 .355 .801 1.248

KURS 1001.817 130.330 .709 7.687 .000 720.256 1283.377 .886 .905 .635 .801 1.248

a. Dependent Variable: EKS

Multikolinearitas adalah sebuah situasi yang menunjukkan adanya korelasi atau hubungan kuat antara dua variabel bebas atau lebih
dalam sebuah model regresi berganda. Model regresi yang dimaksud dalam hal ini antara lain:  regresi linear, regresi logistik, regresi data
panel dan cox regression.
Dalam tabel coefficient dapat perhatikan bahwa nilai standar error lebih dari satu, yaitu HRG = 1,819 dan X2 = 130,33 dimana
keduanya lebih dari satu. Serta nilai koefisien beta juga kurang dari satu dimana X1 = 0,397 dan X2 = 0,709. Maka dapat dikatakan
bahwa nilai standar error rendah dan multikolinearitas tidak terdeteksi. Perhatikan pada tabel coefficient di atas, bahwa nilai
rentangnya sempit, yaitu pada X1 = 0,801 sampai dengan 1,248. Sedangkan pada X2 juga kebetulan hasilnya sama yaitu X2 = 0,801
sampai dengan 1,248. Karena rentangnya sempit maka multikolinearitas tidak terdeteksi.
 3. Uji Homokedisitas

Salah  Satu  asumsi  dalam  regresi  OLS  adalah  distribusi  residual/eror  sama 
(homoskedastis)  dan  independen  atau  tidak  saling  berhubungan  dengan  residual 
pengamatan  lain  dalam  model.  Asumsi ini didukung oleh nilai rata-rata eror adalah
0, dan keragaman yang konstan.
Homoskedastisitas terjadi jika tidak terdapat pola tertentu yang jelas, serta titik-titik
menyebar secara acak di atas dan di bawah angka 0 pada sumbu Y. Sedangkan 
Heteroskedastisitas terjadi jika terdapat titik-titik memiliki pola tertentu yang teratur seperti
bergelombang, melebar kemudian menyempit. dan ada salah satu titik yang berada di titik 0.
 4. Uji Autokorelasi

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 .955a .911 .898 11179.83510 2.164

a. Predictors: (Constant), KURS, HRG

b. Dependent Variable: EKS

Uji Autokorelasi adalah sebuah analisis statistik yang dilakukan untuk

mengetahui adakah korelasi variabel yang ada di dalam model prediksi dengan
perubahan waktu. Oleh karena itu, apabila asumsi autokorelasi terjadi pada
sebuah model prediksi, maka nilai disturbance tidak lagi berpasangan secara
bebas, melainkan berpasangan secara autokorelasi.

5. Uji Linearitas

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 1.670E10 2 8.349E9 66.794 .000a

Residual 1.625E9 13 1.250E8

Total 1.832E10 15