i
terkecil. Error itu sendiri adalah perbedaan antara nilai observasi dan nilai yang diramalkan oleh garis regresi. Jika best disertai sifat unbiased, maka
estimator regresi disebut efisien. Estimator regresi akan disebut linear
apabila, estimator itu merupakan fungsi linear dari sampel. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik.
Menurut Ghozali 2006:123, asumsi klasik yang harus dipenuhi adalah: • Berdistribusi normal.
• Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara
sempurna ataupun mendekati sempurna. • Non-Autokorelasi, artinya kesalahan pengganggu dalam model
regresi tidaksaling berkorelasi. • Non-Heterokedastisitas, artinya variance variabel independen dari
satu pengamatan ke pengamatan lain adalah konstan atau sama.
4.2.2.1 Uji Normalitas
Pengujian ini dilakukan untuk mengetahui apakah variabel penggangu atau residual terdistribusi secara normal. Uji normalitas
dapat dilakukan dengan dua cara yaitu dengan analisis grafik dan analisis statistik.
Analisis grafik digunakan dengan dua cara yaitu grafik histogram dan grafik P-P Plot. Data yang terdistribusi secara normal
adalah data yang terdistribusi dengan garis titik-titik berbentuk lonceng pada grafik histogramnya, titik tersebut tidak mengarah ke kiri atau ke
kanan. Pada grafik P-P Plot, data akan menyebar disekitar garis diagonal dan mengikuti arah garis diagonal apabila data tersebut
terdistribusi secara normal. Berikut hasil uji normalitas dengan menggunakan grafik.
i
Gambar 4.1 Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2014
Gambar 4.2 Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2014
i
Berdasarkan tampilan grafik histogram pada gambar 4.1 dapat terlihat bahwa gambarnya berbentuk lonceng dan melenceng ke kiri dan
grafik P-P Plots pada gambar 4.2 dapat terlihat bahwa titik-titik menyebar menjauhi arah garis diagonal. Hasil ini menunjukkan bahwa
data tidak dapat dikatakan terdistribusi secara normal. Cara agar data terdistribusi secara normal adalah dengan melakukan regresi dengan
persamaan semilog yaitu variabel dependen dalam bentuk logaritma natural dan variabel independen dalam bentuk aslinya atau tidak
berubah. Berikut adalah hasil yang diperoleh setelah melakukan persamaan semilog.
Gambar 4.3 Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2014
i
Gambar 4.4 Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2014 Berdasarkan tampilan grafik histogram pada gambar 4.3 dapat
terlihat bahwa gambarnya berbentuk lonceng dan grafik P-P Plots pada gambar 4.4 dapat terlihat bahwa titik-titik menyebar mengikuti arah
garis diagonal. Hasil ini menunjukkan bahwa data dapat dikatakan terdistribusi secara normal.
Data belum dapat dikatakan terdistribusi secara normal apabila hanya dilakukan uji normalitas dengan melihat grafik histogram,
maupun grafik P-P Plot, oleh karena itu perlu diadakannya uji statistik, untuk meyakinkan data terdistribusi secara normal. Maka dilakukan uji
statistik dengan Kolmogorov-Smirnov K-S. Data dikatakan terdistribusi secara normal apabila nilai signifikansinya lebih besar dari
0,05. Berikut hasil uji K-S dengan menggunakan data semilog.
i
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.33601489
Most Extreme Differences Absolute
.110 Positive
.066 Negative
-.110 Kolmogorov-Smirnov Z
.762 Asymp. Sig. 2-tailed
.607 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Output SPSS, diolah penulis, 2014 Dari tabel 4.2 di atas menunjukkan bahwa hasil pengujian
statistik dengan menggunakan model Kolmogorov-Smirnov
menunjukkan bahwa data telah terdistribusi secara normal. Hal tersebut dapat dilihat dari hasil Asymp. Sig. 2-tailed sebesar 0.607 yaitu lebih
besar dari 0.05. Sesuai dengan ketentuan rentang data yang telah ditentukan di atas, maka data terdistribusi normal.
4.2.2.2 Uji Multikolinieritas
