Uji Normalitas Data Uji Heterokesdasitas

4.1.3 Uji Asumsi Klasik

4.1.3.1 Uji Normalitas Data

Salah satau syarat yang harus dipenuhi dalam analisis regresi adalah data dan model regresi berdistribusi normal. Kenormalan data dapat dilihat dari uji normalitas Kolmogorov-Smirnof dari masing-maisng variabel Santoso 1999:311. Data dianalisis dengan bantuan komputer program SPSS versi 12 Windows 2000. Dasar pengambilan keputusan berdasarkan probabilitas. Jika probabilitas 0,05 maka data penelitian berdistribusi normal, sedangkan untuk normal P-P plot apabila titik-titik berada dekat dengan garis diagonal maka model regresi berdistribusi normal. Hasil uji normalitas selengkapnya dapat dilihat dari output SPSS 12 seperti pada tabel 4.15 Tabel 4.15 Hasil Uji Normalitas Menggunakan Kolmogorov Smirnov No Variabel Kolmorov Smirnov p value Kriteria 1 Motivasi 0.658 0.780 Normal 2 Disiplin 0.702 0.708 Normal 3 Prestasi belajar 0.887 0.411 Normal Terlihat dari tabel 4.15 pada baris asymp. Sig untuk dua sisi diperoleh nilai signifikansi variael motivasi sebesar 0,780, untuk variabel disiplin 0,459, untuk variabel disiplin sebesar 0,708 dan sebesar prestasi belajar 0,411. Nilai signifikansi dari masing-masing variabel 0,05 yang berarati bahwa Ho diterima atau data dari masing-masing variabel berdistribusi normal. Di samping menggunakan uji Kolmogorov Smirnov analisis kenormalan data ini juga didukung dari Plot of Regression Standardized Residual. Apabila grafik yang diperoleh dari output SPSS ternyata titik-titik mendekati garis diagonal, dapat disimpulkan bahwa model regresi berdistribusi normal. Lebih jelasnya hasil uji normalitas data dapat dilihat pada grafik berikut. 0.0 0.2 0.4 0.6 0.8 1.0 Observed Cum Prob 0.0 0.2 0.4 0.6 0.8 1.0 E x pected Cum Prob Dependent Variable: Prestasi belajar Normal P-P Plot of Regression Standardized Residual Gambar 4.4 P-P Plot pengujian normalitas model regresi Terlihat dari grafik di atas, titik-titik mendekati garis diagonal yang berarti bahwa model regresi berdistribusi normal.

4.1.3.2 Uji Heterokesdasitas

Ada tidaknya heterokedastisitas, secara grafis dapat dilihat dari multivariate standardized Scatterplot. Dasar pengambilannya apabila sebaran nilai residual terstandar tidak membentuk pola tertentu namun tampak random dapat dikatakan bahwa model regresi bersifat homogen atau tidak mengandung heteroskedastisitas. Lebih jelasnya dapat dilihat dari grafik berikut. -3 -2 -1 1 2 3 Regression Standardized Predicted Value -4 -2 2 4 Reg ression Studentized Resid u al Dependent Variable: Prestasi belajar Scatterplot Gambar 4.5 Uji Heteroskedastisitas Terlihat dari grafik 4.5, titik-titik tersebar di sekitar nol pada sumbu vertikal dan tidak membentuk pola tertentu atau terlihat acak, sehingga dapat disimpulkan bahwa model regresi tidak mengandung heteroskedastisitas atau bersifat homogen.

4.1.3.3 Uji Linieritas