rata-rata mean 1.9713 . Nilai rata-rata mean yang lebih besar dibandingkan
nilai standar deviasi standard deviation menunjukkan bahwa data terdistribusi
dengan baik.
4.2.2. Hasil Uji Asumsi Klasik
Model regresi berganda akan lebih cepat digunakan dan menghasilkan perhitungan yang lebih akurat, apabila beberapa asumsi berikut dapat terpenuhi
Uji asumsi klasik yang harus dipenuhi antara Uji Normalitas, Uji Multikolinieritas, Uji Autokorelasi dan Uji Heterokedastisitas
4.2.2.1. Uji Normalitas
Uji Normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Dalam penelitian ini dilakukan
dengan menguji normalitas residual dengan menggunakan uji Kolmogorov-
Smirnov, yaitu dengan membandingkan distribusi komulatif relatif hasil observasi dengan distribusi komulatif relatif teoritisnya. Jika probabilitas signifikansi nilai
residual lebih besar daro 0,05 berarti residual terdistribusi dengan normal. Demikian pula sebaliknya, jika probabilitas signifikansi residual lebih rendah dari
0,05 berarti residual tidak terdistribusi secara normal. Uji Kolmogorov Smirnov dapat dilihat pada Tabel 4.2 sebagai berikut:
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji Normalitas
One-Sample Komolgorov-Smirnov Test
Unstandardized Residual N
152
Normal Parameters
a
Mean .0000000
Std. Deviation .80700290
Most Extreme Differences
Absolute .135
Positive .097
Negative -.135
Kolmogorov-Smirnov Z 1.667
Asymp. Sig. 2-tailed .008
Tabel 4.2 menunjukkan bahwa nilai Asym.Sig 2-tailed adalah 0.008 dan diatas nilai signifikansi 0,05 hal ini berarti variabel residual data tidak
mempunyai distribusi normal. Nilai kolmogorov-smirnov Z lebih kecil dari 1,97 berarti tidak ada perbedaaan antara distribusi teoritik dan distribusi empiric atau
dengan kata lain data dikatakan normal. Metode lain untuk mengetahui normalitas adalah dengan menggunakan metode
analisis grafik baik dengan melihat grafik secara histogram ataupun dengan melihat secara
Normal Probability Plot. Normalitas dapat dideteksi dengan melihat histogram dari residualnya:
Universitas Sumatera Utara
1. Jika data menyebar disekitar garis diagonal dan mengikuti garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal regresi
memenuhi asumsi normalitas 2. Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Berikut hasil uji normalitas yang diperoleh dalam analisis penelitian ini pada Gambar 4.1
Sumber: Hasil Penelitian, 2014 Data diolah
Gambar 4.1 Grafik Histogram
Gambar 4.1 menunjukkan bahwa data terdistribusi secara normal karena bentuk kurva memiliki kemiringan yang cenderung imbang dan kurva berbentuk
Universitas Sumatera Utara
menyerupai lonceng. Dapat disimpulkan bahwa variabel pengganggu atau residual memiliki pola mendekati distribusi normal.
Sumber : Hasil Penelitian, 2014 Data Diolah
Gambar 4.2 Normal P-Plot
Berdasarkan Gambar 4.2 Normal Probability Plot diatas dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas karena data menyebar di
sekitar garis diagonal dan penyebaran data searah mengikuti garis diagonal.
4.2.2.2. Uji Multikolinearitas
