Uji Normalitas Uji Asumsi Klasik

4.3. Uji Asumsi Klasik

4.3.1. Uji Normalitas

Pengujian normalitas bertujuan untuk mengetahui apakah data yang digunakan telah terdistribusi secara normal. Salah satu metode untuk mengetahui normalitas adalah dengan menggunakan model analisis grafik, baik dengan melihat grafik secara histogram ataupun dengan secara Normal Probability Plot. Hasil uji normalitas dengan grafik histogram yang diolah dengan SPSS, secara normal probability plot dan dapat ditunjukkan sebagai berikut: Sumber: Hasil Penelitian, 2013 Data Diolah Gambar 4.1 Histogram Hasil uji normalitas diatas memperlihatkan bahwa pada grafik histogram diatas distribusi data mengikuti kurva berbentuk lonceng yang tidak menceng skewness kiri maupun menceng kanan atau dapat disimpulkan bahwa data tersebut normal. Sumber: Hasil Penelitian, 2013 Data Diolah Gambar 4.2 Normal P-P Plot Hasil uji normalitas menggunakan probability plot, dimana terlihat bahwa titik-titik menyebar di sekitar garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Semua hasil pengujian melalui analisis grafik dan statistik di atas menunjukkan hasil yang sama yaitu normal, dengan demikian telah terpenuhi asumsi normalitas dan dapat dilakukan pengujian asumsi klasik berikutnya pada data yang telah disajikan. Dalam penelitian ini juga dilakukan pengujian normalitas residual dengan menggunakan uji Kolmogrorov-Smirnov, yaitu dengan membandingkan distribusi komulatif relative hasil observasi dengan distribusi komulatif relative teoritisnya. Jika probabilitas signifikansi nilai residual lebih dari 0,05 berarti residual terdistribusi dengan normar, demikian pula sebaliknya. Hasil penelitian ini menunjukkan nilai signifikansi sebesar 0,279 seperti yang ditunjukkan oleh Tabel 4.2 karena nilai signifikansi uji Kolmogorov-Smirnov di atas 0,05 maka dapat disimpulkan bahwa data terdistribusi secara normal. Tabel 4.2 Hasil Uji Normalitas Unstandardiz ed Predicted Value N 32 Normal Parameters a Mean 72.3584375 Std. Deviation 10.56070796 Most Extreme Differences Absolute .175 Positive .117 Negative -.175 Kolmogorov-Smirnov Z .992 Asymp. Sig. 2-tailed .279 a. Test distribution is Normal. Sumber: Hasil Penelitian, 2013 Data Diolah

4.3.2. Uji Heteroskedastisitas