interaksi antara responden dengan kepala sekolah, karyawan sekolah, guru dan teman sekolah terjalin secara lebih intens atau dikatakan tinggi.
4.2.2. Uji Prasyarat Regresi Linier Berganda
1. Uji Normalitas
Tabel 4.9. Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Prestasi belajar
Dkgn Keluarga
Lngkn sekolah
Minat mljtkn PT
N 33
33 33
33 Normal Parameters
a,b
Mean 80,7576
51,7576 60,6970
83,3333 Std.
Deviation 5,03755
7,18953 6,90781
5,11534
Most Extreme Differences Absolute
,117 ,087
,098 ,097
Positive ,117
,087 ,098
,096 Negative
-,082 -,060
-,067 -,097
Kolmogorov-Smirnov Z ,673
,502 ,561
,559 Asymp. Sig. 2-tailed
,755 ,963
,911 ,914
Sumber: Data Penelitian, diolah 2015 Berdasarkan hasil uji normalitas menggunakan program SPSS v.22 seperti
yang tergambar pada tabel 4.9. di atas, diperoleh nilai Kolmogorof-Smirnov sebesar 0,673 Prestasi Belajar; 0,502 Dukungan keluarga, 0,561 Lingkungan
Sekolah, 0,559 Minat Melanjutkan Ke PT, dan Sig Asymp. Sig. 2-tailed sebesar 0,755 Prestasi Belajar, 0,963 Dukungan Keluarga, 0,911 Lingkungan
Sekolah, dan 0,914 Minat Melanjutkan pendidikan ke PT. Jika diketahui nilai α
adalah 0,05 maka H diterima. karena Sig pada ketiga variabel hasilnya lebih
tinggi dari pada α 0,05, maka dapat dikatakan bahwa H
diterima dan H
1
ditolak, sehingga data dapat terdistribusi dengan normal.
2. Uji Asumsi Klasik
A. Uji Multikolinearitas
Tabel 4.10. Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standar
dized Coefficie
nts t
Sig. Correlations
Collinearity Statistics
B Std.
Error Beta
Zero -
order Partial
Part Toleranc
e VIF
1 Constant
44,317 12,579 3,523 ,001
Prestasi belajar
,188 ,156
,185 1,202 ,239 ,323
,218 ,176
,912 1,097
Dkgn Keluarga
-,020 ,129
-,028 -,155 ,878 ,339
-,029 -,023
,657 1,522
Lngkn sekolah
,410 ,134
,554 3,059 ,005 ,587
,494 ,449
,657 1,523
Sumber: Data penelitian, diolah 2015 Berdasarkan hasil uji multikolinearitas pada tabel 4.10. di atas, dapat
diketahui bahwa hasil dari ketiga variabel independen mempunyai nilai tolerance di atas 0,10 dan nilai VIF dibawah 10. Oleh sebab itu, model regresi
dalam penelitian ini terbukti tidak terjadi multikolinearitas antar variabel independen.
B. Uji Heteroskedastisitas
Gambar 4.1. Hasil Uji Heteroskedastisitas Scatterplot
Sumber: Data Penelitian, diolah 2015 Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak
serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi,
sehingga model regresi layak dipakai untuk memprediksi faktor-faktor yang mempengaruhi minat melanjutkan pendidikan ke perguruan tinggi
berdasarkan masukan variabel prestasi belajar, dukungan keluarga dan lingkungan sekolah.
Deteksi terhadap terjadinya heteroskedastisitas juga dapat dilihat melalui uji Glejser. Apabila nilai signifikansi variabel independen dari hasil
uji Glejser lebih dari signifikansi α = 0,05 maka dapat disimpulkan model
regresi terbebas dari heteroskedastisitas. Dan sebaliknya apabila signifikansi
variabel independen dari hasil uji Glejser kurang dari α = 0,05 maka dapat
disimpulkan model regresi terjadi heteroskedastisitas Ghozali, 2011:143. Hasil uji heteroskedastisitas dengan bantuan program SPSS 22 pada
penelitian ini ditampilkan pada tabel 4.11. berikut.
Tabel 4.11. Hasil Uji Heteroskedastisitas Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1
Constant 14,388
8,241 1,746
,091 Prestasi belajar
-,068 ,102
-,123 -,666
,511 Dkgn Keluarga
,013 ,084
,035 ,160
,874 Lngkn sekolah
-,110 ,088
-,274 -1,257
,219
a. Dependent Variable: absolute Sumber: Data Penelitian, diolah 2015
Hasil dari uji heteroskedastisitas menggunakan program SPSS v.22 pada tabel 4.11. di atas menunjukkan bahwa nilai signifikansi dari ketiga
variabel memiliki nilai signifikansi lebih dari 0,05. Sehingga dapat disimpulkan bahwa pada penelitian ini tidak terjadi heteroskedastisitas.
4.2.3. Uji Hipotesis Regresi Berganda
