Uji Multikolinearitas Uji Heteroskedastisitas

57 Tabel 4.7 Uji Kolmogorv-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 69 Normal Parameters a,,b Mean .0000000 Std. Deviation 4.95276615 Most Extreme Differences Absolute .089 Positive .089 Negative -.062 Kolmogorov-Smirnov Z .741 Asymp. Sig. 2-tailed .643 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Penelitian 2016, Data diolah Berdasarkan Tabel 4.7 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,643 dan di atas nilai signifikan 0,05. Dengan kata lain, variabel residual berdistribusi normal.

4.3.2 Uji Multikolinearitas

Uji Multikolinieritas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi kolerasi atau tidak terjadi gejala multikolinearitas Situmorang, 2010:129 Multikolinearitas dapat dilihat dari nilai tolerance Tolerance Value dan Variance Inflation Factor VIF dengan membandingkannya sebagai berikut - Jika Nilai Tolerance 0,1 dan VIF 5 , maka tidak terdapat multikolinearitas - Jika Nilai Tolerance 0,1 dan VIF 5 , maka terdapat multikolinearitas Universitas Sumatera Utara 58 Tabel 4.8 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 10.409 4.218 2.468 .016 X1 .425 .106 .410 3.998 .000 .884 1.131 X2 .346 .102 .347 3.385 .001 .884 1.131 a. Dependent Variable: Y Sumber: Hasil penelitian, 2016 data diolah Berdasarkan Tabel 4.8 terlihat bahwa tidak terdapat multikolinieritas pada data variabel karena nilai toleransi Tolerance Value 0,1 dan VIF 5 sehingga model regresi layak dipakai untuk memprediksi minat berwirausaha berdasarkan masukan variabel pendidikan kewirausahaan dan latar belakang keluarga.

4.3.3 Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah sebuah grup mempunyai varians yang sama di antara anggota grup tersebut. Jika varians sama maka dikatakan homoskedastisitas, jika tidak sama maka dikatakan heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas Situmorang, 2010:98. Alat untuk menguji heteroskedastisitas terbagi dua, yaitu analisis grafik dan analisis statistik. a. Analisis Grafik Data grafik ditunjukkan oleh titik-titik yang menyebar di atas dan di bawah angka 0 sumbu Y. Jika titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu, maka tidak terjadi heteroskedastisitas pada model Universitas Sumatera Utara 59 regresi. Sedangkan jika titik-titik menyebar membentuk suatu pola tertentu, maka terjadi heteroskedastisitas. Sumber: Hasil penelitian, 2016 Data diolah Gambar 4.4 Pengujian Heteroskedastisitas Scatterplot Berdasarkan grafik Scatterplot pada Gambar 4.3, terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi minat berwirausaha berasarkan masukan variabel independen pendidikan kewirausahaan dan latar belakang keluarga. Universitas Sumatera Utara 60 b. Analisis Statistik Analisis statistik dilakukan dengan uji Glejser. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Tabel 4.9 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 12.348 2.547 4.848 .000 X1 -.128 .064 -.240 -1.993 .050 X2 -.122 .062 -.238 -1.976 .052 a. Dependent Variable: Absut Sumber: Hasil penelitian, 2016 data diolah Berdasarkan Tabel 4.9, terlihat bahwa tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 0,05. Dapat disimpulkan bahwa model regresi tidak mengarah adanya heteroskedastisitas.

4.4 Analisis Regresi Linear Berganda