Uji Multikolinieritas Uji Heteroskedastisitas

3. Hasil Uji Pendekatan Kolmogorov-smirnov Tabel 4.9

One-Sample Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 31 Normal Parameters a,,b Mean .0000000 Std. Deviation 1.60651994 Most Extreme Differences Absolute .162 Positive .074 Negative -.162 Kolmogorov-Smirnov Z .903 Asymp. Sig. 2-tailed .389 a. Test distribution is Normal. b. Calculated from data. Sumber : hasil Penelitian 2016 Pada tabel 4.9 terlihat bahwa nilai Asymp. Sig 2-tailed = 0,389 dimana angka ini lebih besar dibandingkan nilai signifikannya yaitu 0,05 dengan demikian, maka dapat disimpulkan bahwa residual berdistribusi normal.

4.4.2 Uji Multikolinieritas

Uji Multikolinearitas bertujuan untuk mendeteksi ada atau tidaknnya gejala multikolinearitas pada data dapat dilakukan dengan melihat nilai tolerance value dan Varians Inflation factor VIF. Dengan kriteria sebagai berikut : 1. Apabila VIF 5 maka diduga mempunyai persoalan Multikolinearitas. 2. Apabila VIF dari 5 maka tidak terdapat Multikolinearitas. 3. Apabila tolerance 0,1 maka diduga mempunyai persoalan heteroskedastisitas. 4. Apabila tolerance 0,1 maka tidak terdapat multikolinearitas. Universitas Sumatera Utara Tabel 4.10 Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 3.132 6.390 490 628 Pengetahuan Kewirausahaan 699 276 .461 2.534 017 .800 1.250 Keunggulan Bersaing 145 289 .091 500 621 .800 1.250 a. Dependent Variable: Keberhasilan Usaha Sumber: Hasil Penelitian, 2016 data diolah Pada Tabel 4.10 terlihat bahwa nilai VIF dari variabel pengetahuan kewirausahaan X 1 adalah 1,250, dan nilai VIF dari variabel keunggulan bersaing X 2 adalah 1,250. Karena masing-masing nilai VIF tidak lebih besar dari 5, maka tidak terjadi gejala multikolinieritas antar variabel independen dalam model ini.

4.4.3 Uji Heteroskedastisitas

Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendekati ada atau tidaknya heteroskedastisitas yaitu: Universitas Sumatera Utara a. Pendekatan Grafik Sumber : hasil Penelitian 2016 Gambar 4.3 Pengujian Heteroskedastisitas Scatterplot Berdasarkan Gambar 4.3 menunjukkan bahwa titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pasa sumbu Y. Hal ini berarti tidak terjadi heterokedasitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi variabel dependent, berdasarkan masukan variabel independent. b. Uji Glejser Glejser mengusulkan untuk meregresi nilai absolute residual terhadap variabel independen. Jika variabel independen signifikan secara statistic mempengaruhi variabel dependen maka ada indikasi terjadi heteroskesdatisitas. Universitas Sumatera Utara Tabel 4.11 Uji glejser heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 1.833 3.571 .513 .612 Pengetahuan kewirausaha an -.069 .154 -.094 -.448 .658 Keunggulan bersaing .056 162 .073 .348 .730 a. Dependent Variable: ABSUT Sumber: Hasil Penelitian, 2016 data diolah Pada Tabel 4.11 terlihat variabel independen pengetahuan kewirausahaan dan keunggulan bersaing yang signifikan secara statistic mempengaruhi variabel dependen absolute Ut absUt. Hal ini terlihat dari probabilitas pengetahuan kewirausahaan 0,658 dan keunggulan bersaing 0,730 diatas tingkat signifikan 5 0,05, jadi disimpulkan model regresi tidak mengarah adanya heteroskedatisitas.

4.5 Analisis Regresi