Diketahui p-value uji simultan 0,003 (lebih kecil dari ). Berdasarkan hasil uji simultan
dapat dinyatakan bahwa terdapat cukup bukti untuk menyatakan bahwa minimal ada satu
βi yang tidak sama dengan nol atau dengan kata lain, minimal ada satu variable bebas
yang berpengaruh signifikan terhadap variable Y.
e. Buat Output Koefisien dan Signifikansi
Namun, pada hasil uji parsial tak ada satupun koefisien yang signifikan pada tingkat
signifikansi 5 persen.
f. Lakukan Pengujian Linearitas
Untuk menguji apakah asumsi Linieritas terpenuhi, kita dapat menggunakan plot residual
dengan fitted value (predicted value) atau bisa juga dengan plot residual dengan variable
independent (John Neter, 1989:118).
Cara menampilkan plot residual vs fitted value di SPSS:
Berdasarkan plot residual dengan fitted value tersebut, terlihat bahwa tebaran nilai-nilai
pada plot membentuk suatu pola acak, sehingga asumsi linieritas terpenuhi.
Unstandardized Predicted Value (yang telah kita lakukan pada uji asumsi Linearitas).
Berdasarkan plot antara unstandardized residual dengan unstandardized predicted value
(fitted value) dapat diperhatikan bahwa tebaran titik-titik pada plot tersebut membentuk
pola acak. Hal ini mengindikasikan bahwa tidak terjadi heteroscedastisitas pada model
regresi yang telah dibuat. Selain dengan melihat scatter plot, asumsi homoskedastisitas
dapat dilihat dengan melakukan uji Park dan uji Rank Spearmen. Pada kesempatan ini
kita akan menggunakan uji Park.
Sebelum melakukan uji Park, kita terlebih dahulu melakukan transformasi logaritma
natural terhadap variabel independen. Sedangkan untuk variabel dependen adalah
logaritma natural dari kuadrat residual.
Kemudian, lakukan seperti regresi biasa dengan memasukkan logaritma natural dari
kuadrat residual sebagai variabel dependen, dan logaritma natural dari masing-
masing variabel bebas sebagai variabel independen.
Berdasarkan output tersebut, diketahui nilai statistic hitung Durbin -Watson yaitu D =
2.173.
Dari TABLE A.6 Durbin – Watson Test Bounds (John Neter, 1989:642), untuk p-1= 5 dan
n=50 , maka diperoleh nilai:
dL=1.34,
dU=1.77,
4−dU=2.23 ,
4−dL=2.66,
Karena nilai DW lebih besar dari du , maka dapat kita ketahui bahwa tidak terdapat
masalah autokorelasi.
Untuk menguji asumsi multikolinearitas, dapat dilakukan dengan melihat nilai korelasi
antar variabel independen.
Klik Analyze >> Correlation >> Bivariate lalu masukkan seluruh variabel
independen
Maka akan muncul output seperti berikut.
Berdasarkan output diatas dapat kita lihat bahwa korelasi antara variabel X1 dan X3
sebesar 0,959 (korelasi yang sangat kuat) sehingga dapat kita simpulkan bahwa terdapat
multikolinearitas pada model regresi tersebut.
https://statmat.id/regresi-linier-berganda-dengan-spss/