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