2. Sesudah Transformasi
Gambar 5.2 : Grafik Normalitas Sesudah Transformasi
Berdasarkan pada Gambar 5.1 dan 5.2 tersebut Ghozali 2005 menyatakan jika distribusi data adalah normal, maka terdapat titik titik yang
menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonalnya. Hasil grafik sebelum dan sesudah transformasi tersebut terlihat
bahwa titik titik yang menyebar disekitar garis diagonalnya maka dapat
dinyatakan bahwa residual terdistribusi normal.
Universitas Sumatera Utara
b. Uji Statistik 1.
Sebelum Transformasi Adapun hasil uji Kolmogorov Smirnov sebelum transformasi terdapat
pada Tabel 5.3 berikut :
Tabel 5.3 Hasil Pengujian One Sample Kolmogorov Smirnov Test Sebelum Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 125
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 3.31631914E3
Most Extreme Differences Absolute
.226 Positive
.226 Negative
-.194 Kolmogorov-Smirnov Z
2.525 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Lampiran. Dari hasil pengujian terlihat pada Tabel 5.3 tersebut terlihat besarnya nilai
Kolmogorov- Smirnov adalah 2.525 dan signifikansinya pada 0.000 dan nilainya dibawah α = 0.05 Dalam hal ini berarti H
ditolak yang berarti data residual tidak berdistribusi normal. Atas hal tersebut dilanjutkan dengan proses transformasi.
Universitas Sumatera Utara
2. Sesudah Transformasi
Adapun hasil pengujian sesudah tranformasi terdapat pada Tabel 5.3 berikut :
Tabel 5.3 Hasil Pengujian One Sample Kolmogorov Smirnov Test Sesudah Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 56
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .55556426
Most Extreme Differences Absolute
.085 Positive
.064 Negative
-.085 Kolmogorov-Smirnov Z
.638 Asymp. Sig. 2-tailed
.810 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Lampiran. Hasil Output SPSS 17.
N populasi sebesar 56 menunjukkan N populasi yang sudah ditransformasi dan dalam perhitungannya menyisihkan nilai yang negative. Dari hasil pengujian
terlihat pada Tabel 5.3 tersebut terlihat besarnya nilai Kolmogorov- Smirnov adalah 0.638 dan signifikansinya pada 0.810 dan nilainya ja
uh diatas α = 0.05 Dalam hal ini berarti H
diterima yang berarti data residual berdistribusi normal.
Universitas Sumatera Utara
5.2.1.2. Uji Multikolinearitas 1.
Sebelum Transformasi
Adapun Pengujian multikolinearitas dilakukan untuk melihat apakah pada model regresi ditemukan ada tidaknya korelasi antar variabel bebas. Cara
mendeteksi terjadinya multikolinieritas adalah dengan melihat nilai Variance Inflation Factor VIF. Menurut Ghozali 2005: 93, pada umumnya jika VIF
10, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya. Nilai VIF dan nilai tolerance value untuk melihat adanya
gejala multikolinieritas sebelum transformasi terdapat pada Tabel berikut :
Tabel 5.4 Uji Multikolinieritas Sebelum Transformasi
Coefficients
a
Model Correlations
Collinearity Statistics Zero-order
Partial Part
Tolerance VIF
1 TE
.960 .960
.956 .995
1.005 BM
-.037 -.020
-.005 .986
1.014 PAD
-.081 -.050
-.014 .982
1.018 a. Dependent Variable: PE
Sumber : Lampiran. Dari Tabel 5.4 diatas, terlihat bahwa variabel independen yaitu TE, BM
dan PAD mempunyai angka VIF dibawah angka 10. Hal ini berarti bahwa regresi yang dipakai untuk ke 3 tiga variabel independen diatas tidak terdapat persoalan
dan problem gejala multikolinieritas. Atas hal tersebut dilakukan pengujian lagi setelah dilakukan transformasi sebagai berikut :
Universitas Sumatera Utara
2. Sesudah Transformasi
Kategori