a. Uji Normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak, Santoso
2002:34 memberikan pedoman pengambilan keputusan untuk data-data yang mendekati atau telah terdistribusi secara normal.
1 apabila nilai signifikansi atau nilai probabilitas 0,05, maka
distribusi data normal, 2
apabila nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data tidak normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov –Smirnov, grafik histogram dan normal probability plot adalah seperti yang ditampilkan berikut ini:
Gambar 4.1 Histogram
Sumber: Data diolah peneliti, 2010
Pada grafik histogram terlihat bahwa variabel berdistribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak miring ke kiri atau miring ke kanan.
Gambar 4.2 Grafik P-P Plot
Sumber: Data diolah Peneliti, 2010 Hasil uji normalitas menggunakan grafik plot menunjukkan bahwa titik pada
scatterplot mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi normal.
Tabel 4.3 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a,b
Mean -.0000473
Std. Deviation 5.15376452E11
Most Extreme Differences Absolute
.245 Positive
.245 Negative
-.153 Kolmogorov-Smirnov Z
1.342 Asymp. Sig. 2-tailed
.054 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data diolah Peneliti,2010
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.3 dapat disimpulkan bahwa data terdistribusi normal.
Hal ini dapat dilihat dari nilai Asymp.Sig.2 tailed Kolmogorov-Smirnov adalah 0.054, karena 0,054 0,05.
b. Uji Multikolinieritas
Untuk melihat ada atau tidaknya multikolinearitas dalam model regresi dapat dilihat dari:
1 nilai tolerance dan lawannya,
2 variance Inflation Factor VIF
Kedua ukuran ini menunjukkan setiap variabel independen manakan yang dijelaskan oleh variabel independen lainnya. Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1 tolerance.
Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah dengan VIF 10 Ghozali, 2005.
Tabel 4.4 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 3.038E10
1.312E11 .232
.819 LB
.383 .039
.884 9.717
.000 .996
1.004 AKO
-.006 .013
-.040 -.438
.665 .996
1.004 a. Dependent Variable: DK
Sumber: Data diolah Peneliti,2010 Berdasarkan tabel 4.4 dapat disimpulkan bahwa penelitian ini bebas dari
adanya multikolinearitas. Hal ini membandingkan dengan nilai tolerance dan VIF. Masing-masing variabel bebas yang digunakan dalam penelitian ini
memiliki nilai tolerance yang lebih besar dari 0,01 yaitu 0,996. Jika dilihat dari VIF-nya, bahwa masing-masing variabel bebas lebih kecil dari 10 yaitu sebesar
1,004. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas dalam variabel bebasnya.
c. Uji Heteroskedastisitas