Uji asumsi klasik digunakan untuk melihat atau menguji apakah suatu model layak atau tidak digunakan dalam sebuah penelitian. Uji asumsi klasik yang
dilakukan dalam penelitian ini adalalah.
4.2.4.1 Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah nilai residual berdistribusi normal atau tidak, yang dapat dilakukan melalui beberapa pendekatan yaitu:
1. Pendekatan Histogram
Pada grafik histogram, dikatakan variabel berdistribusi normal pada grafik histogram yang berbentuk lonceng apabila distribusi data tersebut tidak
menceng kekiri atau menceng kekanan.
Gambar 4.3 Pengujian Histogram Normalitas
Sumber: Hasil pengolahan SPSS for Windows, 2015
Pada grafik histogram terlihat bahwa variabel berdistribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kiri atau menceng ke
kanan.
2. Pendekatan Grafik
Cara lainnya melihat uji normalitas dengan pendekatan grafik. PP plot akan membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai-nilai yang
didapat dari sampel sumbu y. Apabila plot keduanya berbentuk linier dapat didekati oleh garis lurus, maka hal ini merupakan indikasi bahwa residual
menyebar normal.
Gambar 4.4 Pendekatan Grafik Normalitas
Sumber: Hasil pengolahan SPSS for Windows, 2015
Pada Gambar scatter plot terlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal.
3. Pendekatan Kolmogrov-Smirov
Dasar pengambilan keputusan untuk Kolmogorov Smirnov yaitu apabila nilai value pada kolom Asymp. Sig lebih besar dari level of significant
α = 5, maka tidak mengalami gangguan distribusi normal serta nilai Kolmogorov
Smirnov lebih kecil dari 1,97 maka data dikatakan normal
Tabel 4.9 Uji Normalitas Pendekatan Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.58389481
Most Extreme Differences Absolute
.057 Positive
.057
Sumber: Hasil pengolahan SPSS for Windows, 2015
Pada Tabel 4.9 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,989 dan diatas nilai signifikan 0,05. Dapat disimpulkan bahwa data residual berdistribusi
normal. Nilai Kolmogorov-Smirnov Z dari Tabel 4.9 yaitu 0,445 dan lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau
dengan kata lain data dikatakan normal.
4.2.4.2 Uji Heteroskedastisitas
Uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu variabel pengamatan ke pengamatan
Negative -.055
Kolmogorov-Smirnov Z .445
Asymp. Sig. 2-tailed .989
a. Test distribution is Normal. b. Calculated from data.
lain. Menurut Situmorang 2014:122 Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau
tidaknya heteroskedastisitas, yaitu:
1. Pendekatan Grafik
