Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 10.533 3.115 3.382 .001
SAK .305 .069 .418 4.441 .000 .979 1.022
TI .345 .102 .344 3.381 .001 .836 1.197
SPI .292 .101 .298 2.897 .005 .820 1.220
a. Dependent Variable: KLK
Dapat diketahui dari output diatas, nilai Tolerance ketiga variabel > 0.1 dan nilai VIF < 10. Maka dapat
disimpulkan bahwa tidak terjadi multikolinearitas atau tidak ada hubungan antar variabel X.
VIF < 10
Tolerance > 0.1
Bebas dari uji multikolineritas. Tidak terjadi korelasi yang kuat antar X
Uji Normalitas
Dapat diketahui dari gambar diatas bahwa titik-titik plot tersebut mengikuti atau mendekati garis diagonal.
Maka dapat disimpulkan bahwa nilai residual menyebar normal.
Gambar dari PP plot. Untuk Titik tersebut mengikuti garis diagonal. Dapat diartikan data terdistribusi normal.
Dapat diketahui dari output diatas bahwa nilai p-value atau nilai Asymp. Sig sebesar 0.2 > alfa 0.05. Maka dapat
disimpulkan bahwa residual berdistribusi normal atau memenuhi asumsi normalitas.
UJI Heteroskaditas
Berdasarkan output diatas, diketahui bahwa titik-titik menyebar bebas dan tidak membentuk pola tertentu,
hal itu berarti tidak terjadi masalah heteroskedastisitas.
Titik tidak membentuk pola tertentu sehingga terbebas dari kasus heteroskaditas. .
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1.202 1.890 .636 .527
SAK -.056 .042 -.175 -1.340 .186
TI -.004 .062 -.009 -.065 .949
SPI .099 .061 .229 1.612 .113
a. Dependent Variable: abs_res
Nilai sig > 0.05 memenuhi asumsi bebas dari kasus heteroskedasitas.
Berdasarkan output diatas, dapat diketahui bahwa nilai signifikansi pada masing-masing variabel SAK, TI, dan SPI
secara berturut-turut yaitu 0.186; 0.949; 0.113 dimana ketiganya > 0.05. Maka dapat disimpulkan bahwa tidak terjadi
gejala heteroskedastisitas.
Output Koefisien
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .718a .515 .489 1.693
a. Predictors: (Constant), SPI, SAK, TI
b. Dependent Variable: KLK
Berdasarkan tabel diatas, dapat diketahui bahwa nilai R square sebesar 0.515 atau 51.5%. Hal itu berarti
bahwa variabel Y (KLK) sebesar 51.5% dapat dijelaskan oleh variabel independent yaitu SAK, TI, dan SPI.
Sedangkan 48.5% lainnya dapat dijelaskan oleh variabel lain yang tidak dimasukkan dalam model.
UJI F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 170.486 3 56.829 19.828 .000b
Residual 160.497 56 2.866
Total 330.983 59
a. Dependent Variable: KLK
b. Predictors: (Constant), SPI, SAK, TI
UJI T
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 10.533 3.115 3.382 .001
SAK .305 .069 .418 4.441 .000 .979 1.022
TI .345 .102 .344 3.381 .001 .836 1.197
SPI .292 .101 .298 2.897 .005 .820 1.220
a. Dependent Variable: KLK