sebesar 84,988.36 ; dan standard deviation sebesar 100,612.202 dengan jumlah sampel 45.
4.2.2. Hasil Uji Asumsi Klasik
Uji asumsi klasik yang digunakan adalah uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
4.2.2.1. Hasil Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengangggu atau residual memiliki
distribusi normal. Uji normalitas menjadi hal penting karena salah satu syarat pengujian parametric-test uji parametrik adalah data
harus memiliki distribusi normal berdistribusi normal.
1. Analisis Grafik
Data yang baik adalah data yang memiliki pola distribusi normal. Pola grafik histogram, data yang mengikuti atau mendekati
distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal
apabila titik-titik datanya tidak miring ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram
Sumber : Hasil SPSS for Windows 16.0 2016
Gambar 4.2 Grafik Normal P-Plot
Sumber : Hasil SPSS for Windows 16.0 2016 Berdasarkan grafik histogram maupun grafik normal plot dapat
disimpulkan bahwa regresi pada penelitian ini berdistribusi secara normal hal ini tergambar pada grafik histogram, dimana grafik
Universitas Sumatera Utara
tidak menceng ke kiri atau ke kanan grafik seimbang antara kiri dan kanan dan pada grafik normal plot tampak bahwa data
menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal.
2. Analisis Statistik
Uji statistik yang dapat digunakan untuk menguji normalitas residual antara lain adalah uji statistik non-parametrik
Kolmogorov-Smirnov K-S. Hipotesis statistiknya adalah sebagai berikut:
H : Data residual berdistribusi normal
H
a
: Data residual tidak berdistribusi normal a.
H diterima apabila nilai signifikansi 0,05
b. H
a
ditolak apabila nilai signifikansi 0,05
Tabel 4.2 Hasil Uji Statistik Kolmogorov-Smirnov K-S
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 45
Normal Parameters
a
Mean .0000000
Std. Deviation 7.04210562E4
Most Extreme Differences
Absolute .105
Positive .070
Negative -.105
Kolmogorov-Smirnov Z .707
Asymp. Sig. 2-tailed .700
a. Test distribution is Normal.
Sumber : Hasil SPSS for Windows 16.0 2016 Berdasarkan data Tabel 4.2 di atas, besar nilai probabilitas atau
Asymp. Sig. 2-tailed adalah 0,700. Dalam penelitian ini, tingkat
Universitas Sumatera Utara
signifikansi yang digunakan adalah α = 0,05. Karena nilai probabilitas 0,700 lebih besar dari tingkat signifikansi 0,05,
maka dapat disimpulkan bahwa data terdistribusi secara normal. Hal ini sejalan dengan hasil yang diperoleh dari analisis grafik.
4.2.2.2. Hasil Uji Multikolinearitas