4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Pengujian normalitas data dalam penelitian ini menggunakan
uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis.
H
o
H : Data residul berdistribusi normal
a
Dalam uji Kolmogorov-Smirnov, pedoman yang digunakan dalam pengambilan keputusan yaitu :
: Data residual tidak berdistribusi normal
1. Jika nilai signifikansi 0,05 maka distribusi data tidak normal.
2. Jika nilai sinifikansi 0,05 maka distribusi data normal.
Universitas Sumatera Utara
Tabel 4.4 Pengujian Normalitas 1
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 112
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.42710551
Most Extreme Differences
Absolute .379
Positive .379
Negative -.354
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
4.010 .000
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS diolah penulis, 2013 Berdasarkan pengolahan data tersebut, besarnya nilai Kolmogorov Smirnov
4.010 dan signifikan sebesar 0.000. hasil tersebut menunjukkan distribusi data tidak normal karena nilai Asymp, Sig. 2-tailed sebesar 0.0000.05.
Ada beberapa cara yang dapat dilakukan jika data menyebar secara tidak normal, caranya melalui :
Universitas Sumatera Utara
1. Melakukan transformasi data, misalnya mengubah data menjadi bentuk
logaritma Log atau natural Ln. 2.
Menambah jumlah data. 3.
Menghilangkan data yang dianggap sebagai penyebab tidak normalnya data trimming data.
Cara yang dilakukan untuk mengetahui data tidak normal tersebut adalah dengan langkah ketiga yaitu dengan melakukan trimming atau membuang sebagai
data yang nilainya sangat jauh berbeda atau ekstrim. Adapun uji normalitas data setelah dilakukan trimming adalah sebagai berikut :
Tabel 4.5 Pengujian Normalitas 2
Sumber : Output SPSS, diolah penulis 2013.
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 84
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.01496150
Most Extreme Differences
Absolute .094
Positive .094
Negative -.069
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
.859 .451
a. Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
Dari tabel di atas, besarnya Kolmogorov-Smirnov Z adalah 0.859 dan signifikansi pada 0.451. Hal tersebut menunjukkan bahwa hasil pengujian
statistik dengan model Kolmogorov-Smirnov adalah data telah terdistribusi normal karena nilai Asym.Sig 2-tailed yaitu sebesar 0.451 lebih besar dari 0.05. Untuk
lebih jelasnya, berikut ini ditampilkan hasil uji normalitas dengan menggunakan analisis grafik yaitu grafik histogram dan grafik normal probability plot.
Gambar 4.1 Pengujian Normalitas 2
Universitas Sumatera Utara
Gambar 4.2 Pengujian Normalitas 3
Gambar 4.1 memperlihatkan bahwa pada grafik histogram, distribusi data mengikuti kurva berbentuk lonceng yang tidak menceng skewness ke arah kiri
atau kanan, sehingga dapat disimpulkan bahwa data tersebut terdistribusi normal. Gambar 4.2 memperlihatkan grafik normal probability plot, yang menunjukkan
bahwa data titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Hal tersebut berarti data terdistribusi normal.
Hasil pengujian dengan grafik histogram dan normal probability plot sejalan dengan hasil pengujian dengan menggunakan model Kolmogorov-Smirnov,yaitu
yang berkesimpulan bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat dilakukan
pengujian asumsi klasik lainnya.
Universitas Sumatera Utara
4.2.2.2 Uji Multikolinearitas