39
4.2.4 Uji Asumsi Klasik a Uji Normalitas
Uji Normalitas digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Analisis normalitas yang
dilakukan dengan mengamati penyebaran data titik pada sumbu diagonal grafik yaitu pada Normal P-P Plot Regression Standarized Residual.
Sumber : Data Primer 2014
Gambar 4.2 : Pengujian Normalitas
Gambar 4.1 menunjukkan bahwa titik-titik menyebar mengikuti data di sepanjang garis diagonal sehingga disimpulkan data berdistribusi normal.
Selain itu, uji normalitas juga dapat dilakukan dengan menggunakan pendekatan Kolmogorov-smirnov pada signifikan 5 0,05.
Universitas Sumatera Utara
40
Tabel 4.10 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 84
Normal Parameters
a
Mean .0000000
Std. Deviation 1.28098548
Most Extreme Differences Absolute
.105 Positive
.105 Negative
-.081 Kolmogorov-Smirnov Z
.960 Asymp. Sig. 2-tailed
.315 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data Primer 2014 Tabel 4.10 menunjukkan bahwa nilai Asymp.Sig 2-tailed sebesar 0,315
diatas pada tingkat signifikansi 0,05 atau 5. Berarti data berdistribusi normal.
b Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi linier berganda terjadi ketidaksamaan variance dari residual suatu
pengamatan ke pengamatan yang lain. Uji Heteroskedastisitas dapat dilakukan dengan grafik dan analisis statistik berupa Uji Glejser. Model
regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
41
Tabel 4.11 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
.643 1.207
.532 .596
X1 .129
.075 .244
1.709 .091
X2 -.149
.084 -.279
-1.778 .079
X3 .033
.079 .059
.422 .674
a. Dependent Variable: absut
Pada Tabel 4.11 menunjukkan bahwa signifikansi variabel bebas lebih besar dari 0,05 sehingga tidak terdapat satupun variabel independen yang
signifikan secara statistik mempengaruhi varabel dependen. Jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
Sumber : Data Primer 2014
Gambar 4.2 : Pengujian Heteroskedastisitas
Universitas Sumatera Utara
42
Berdasarkan pada Gambar 4.2 menunjukkan bahwa titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar
baik di atas maupun di bawah angka nol pada sumbu Y. Berarti tidak terjadi heteroskedastisitas
c Uji Multikolinieritas
Uji Multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Model regresi yang baik seharusnya tidak terjadi
korelasi antara varabel independen. Gejala multikolinearitas dapat dilihat dari nilai Tolerance 0,1 dan VIP Variance Infaltion Factor 5, maka
tidak terjadi multikolinearitas.
Tabel 4.12 Uji Multikolinieritas
Sumber Data : Data Primer 2014 Pada tabel 4.12 memperlihatkan bahwa semua hasil variabel independen
memiliki nilai Tolerance 0,1 dan VIF 5. Hal ini menunjukkan tidak
terjadi multikolinieritas.
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
.223 1.790
.125 .901
X1 .162
.112 .145
1.451 .151
.583 1.715
X2 .239
.124 .212
1.923 .058
.481 2.078
X3 .572
.118 .481
4.871 .000
.600 1.667
a. Dependent ariable: Y
Universitas Sumatera Utara
43
4.2.5 Analisis Regresi Linier Berganda a Uji Serempak Uji F
Kategori