5. Diketahui nilai KO minimum adalah 21 sedangkan nilai KO maksimum
adalah 45. Rata-rata mean KO adalah 33,92, dan standar deviasinya sebesar 5,932.
4.4 Pengujian Asumsi Klasik 4.4.1 Pengujian Normalitas Data
Uji normalitas data bertujuan untuk mengetahui distribusi data dalam suatu variabel penelitian yang akan digunakan dalam penelitian. Data yang baik dan
layak digunakan adalah data yang memiliki distribusi atau sebaran normal. Normalitas data dapat dilihat dari hasil tingkat signifikansi pada uji Kolmogorov-
Smirnov. Berdasarkan hasil uji normalitas data dengan menggunakan uji Kolmogorov-Smirnov dapat disimpulkan bahwa data memiliki distribusi normal.
Hal ini dapat dilihat pada hasil uji nilai signifikansi pada uji Kolmogorov- Smirnov sebesar 0,150 sehingga lebih besar dari 0,05. Hasil pengujian yang
dilakukan dapat dilihat pada Tabel 4.9.
Tabel 4.9. Pengujian Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,b
Mean 0E-7
Std. Deviation
2.44695051 Most Extreme
Differences Absolute
.164 Positive
.084 Negative
-.164 Kolmogorov-Smirnov Z
1.137 Asymp. Sig. 2-tailed
.150 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data Primer yang diolah, 2016
Universitas Sumatera Utara
Berdasarkan Tabel 4.9 dapat dilihat hasil uji normalitas data dengan menggunakan uji Kolmogorov-Smirnov dapat disimpulkan bahwa data memiliki
distribusi normal. Hal ini dapat dilihat pada hasil uji nilai signifikansi pada uji Kolmogorov-Smirnov sebesar 0,150 sehingga lebih besar dari 0,05. Hasil
pengujian yang dilakukan dapat dilihat pada Tabel 4.9. 4.4.2 Pengujian Multikolinearitas
Pengujian multikolinearitas dimaksudkan untuk menguji apakah ditemukan atau tidak korelasi diantara variabel-variabel bebasvariabel
independen. Untuk dapat melihat ada tidaknya multikolinearitas dengan melihat angka colinierity statisticyang ditunjukkan oleh nilai Variance Inflation Factor
VIF dan nilai tolerance, dengan kriteria: jika nilai VIF dari 10 dan nilai tolerance dari 0,1 maka variabel bebas yang ada memiliki masalah
multikolinearitas.
Tabel 4.10. Hasil Pengujian Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constan t
1.427 5.412
.264 .793
PSAKD
.567 .116
.589 4.904
.000 .187
.180
KSDM
.201 .147
.172 1.367
.178 .612
1.635
PTI
.187 .180
.117 1.036
.306 .754
1.326
Sumber : Data Primer yang diolah, 2016
Universitas Sumatera Utara
Berdasarkan Tabel 4.10 dapat dilihat hasil pengujian yang dilakukan dalam penelitian ini menunjukkan bahwa nilai tolerance colinierity statistic adalah
PSAKD sebesar 0.187, KSDM sebesar 0.612, dan PTI sebesar 0.754 atau lebih besar dari 0.10 dan nilai Variance Inflation Factor VIF adalah PSAKD sebesar
0.180, KSDM sebesar 1.635, dan PTI sebesar 1.326 atau lebih kecil dari 10. Dari hasil pengujian tersebut dapat disimpulkan bahwa model regresi yang akan diuji
terbebas dari masalah multikolinearitas.
4.4.3 Pengujian Heteroskedastisitas
Pengujian heteroskedastisitas dimaksudkan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan
ke pengamatan lain. Pengujian dilakukan dengan melihat ada atau tidaknya pola tertentu bergelombang, melebar kemudian menyempit pada grafik plot scatter-
plot antara nilai prediksi variabel terkait ZPRED dengan residualnya SRESID. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homokedastisitas, dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadinya heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.1. Grafik Scatter Plot Pengujian Heteroskedastisitas
Berdasarkan Gambar 4.1 dapat dilihat hasil pengujian yang dilakukan menyimpulkan bahwa penyebaran plot-plot masing-masing variabel tidak
tertumpu pada satu titik atau tidak membentuk pola tersendiri melainkan menyebar secara acak baik di atas ataupun di bawah nilai 0 sehingga model
regresi yang akan diuji terbebas dari asumsi heteroskedastisitas.
4.5 Pengujian Hipotesis