1. Hasil Uji Normalitas dengan Histogram
Jika bentuk grafik tidak melenceng ke kiri atau ke kanan, maka menunjukkan bahwa variabel berdistribusi normal. Sebaliknya, jika bentuk grafik melenceng ke kiri
atau ke kanan, maka menunjukkan bahwa variabel tidak berdistribusi normal.
Sumber: Hasil Pengolahan SPSS April 2015
Gambar 4.1 Uji Normalitas dengan Histogram
Pada gambar 4.1 terlihat grafik tidak melenceng ke kiri ataupun ke kanan, hal ini menunjukkan bahwa variabel berdistribusi normal.
1. Hasil Uji Normalitas dengan Normal P-P Plot of Regression Standarizied Residual
Jika titik masih menyebar di sekitar garis diagonal, maka data telah berdistribusi normal. Sebaliknya jika titik tidak menyebar di sekitar garis diagonal, maka data tidak
berdistribusi normal
Universitas Sumatera Utara
Sumber: Hasil Pengolahan SPSS 2015
Gambar 4.2 Uji Normalitas dengan Normal P-P Plot of Regression Standarizied Residual
Pada Gambar 4.2 terlihat titik-titik menyebar mengikuti data di sepanjang garis diagonal, hal ini menunjukkan bahwa data berdistribusi normal.
2. Hasil Uji Normalitas dengan Kolmogorov – Smirnov Test
Jika Asymp. Sig. 2-tailed 0,05 maka data berdistribusi normal, sebaliknya jika Asymp. Sig. 2-tailed 0,05 maka data tidak berdistribusi normal.
Tabel 4.14 Hasil Uji Kolmogorov – Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.58905953
Most Extreme Differences Absolute
.156 Positive
.125 Negative
-.156 Kolmogorov-Smirnov Z
.856 Asymp. Sig. 2-tailed
.456 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS April 2015
Universitas Sumatera Utara
Pada Tabel 4.14 dapat dilihat bahwa data berdistribusi normal karena nilai Asympy.Sig 2-tailed sebesar 0,456 di atas tingkat signifikansi 0,05.
4.2.2.2 Uji Multikolinearitas
Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor VIF. Nilai VIF yang lebih dari 10 diindikasi suatu variabel bebas
terjadi multikolinearitas Ghozali, 2013. Perhatikan bahwa berdasarkan Tabel 4.15, nilai VIF dari sumber daya manusia adalah 2,519, nilai VIF dari modal adalah 2,871, nilai VIF dari
pemasaran produk adalah 1,113, dan nilai VIF dari dukungan pemerintah 1,163. Karena masing-masing nilai VIF dari variabel tidak lebih besar dari 10, maka tidak terdapat gejala
multikolinearitas yang berat.
Tabel 4.15 Uji Asumsi Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 1.336
7.870 -.170
.867 Sumber Daya
Manusia .487
.170 .634
2.871 .008
.397 2.519
Modal .073
.359 .048
.202 .841
.348 2.871
Pemasaran Produk .184
.224 .121
.822 .419
.898 1.113
Dukungan Pemerintah
.363 .156
.349 2.326
.028
.860 1.163
a. Dependent Variable: Daya Saing
Sumber: Hasil Pengolahan SPSS
4.2.2.3 Uji Heteroskedostisitas
Universitas Sumatera Utara
Uji heteroskedastisitas dimaksudkan untuk mengetahui tingkat penyebaran atau variasi dari semua variabel yang diobservasi. Kriteria uji heteroskedostisitas yaitu apabila titik-titik
menyebar secara acak dan tidak membentuk pola tertentu serta tersebar di atas maupun di bawah angka nol pada sumbu Y maka disimpulkan suatu model regresi dianggap tidak
terdapat masalah heterokedastisitas.
1. Hasil Uji Heteroskedostisitas dengan Scatter Plot