45
4.2.1 Uji Asumsi Klasik
Peneliti mengunakan metode analisis regresi berganda. Análisis ini berguna untuk menguji pengaruh dari Variabel Independen terhadap
Variabel Dependen dalam suatu penelitian. Model regresi yang baik haruslah memenuhi uji asumsi klasik yang merupakan asumsi yang
mendasari análisis regresi. Uji asumsi klasik digunakan untuk menghasilkan suatu análisis yang akurat dalam suatu model regresi. Dalam penelitian ini,
pengujian asumsi klasik meliputi uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
4.2.1.1 Uji Normalitas
Uji normalitas ini bertujuan untuk mengetahui apakah dalam suatu model regresi,variabel pengganggu atau residual memiliki
distribusi normal atau tidak. Beberapa cara yang dapat digunakan untuk menguji apakah
residual berdistribusi normal atau tidak, yaitu dengan análisis grafik dan análisis statistik. Uji normalitas dengan análisis grafik dapat dilakukan
dengan melihat grafik histogram dan normal probability plot. Berikut ini merupakan grafik histogram dan grafik normal probability plot
dalam penelitian ini.
Universitas Sumatera Utara
46
Gambar 4.1 Histogram
Gambar 4.2 Grafik P-Plot
Sumber: diolah Penulis, 2013 Dari grafik histogram di atas, terlihat bahwa grafik histogram
menunjukkan pola yang cukup normal, akan tetapi, pada grafik normal plot tampak bahwa titik-titik menyebar menjauh dari garis diagonal.
Universitas Sumatera Utara
47
Untuk memastikan apakah data berdistribusi normal atau tidak, peneliti melakukan uji K-S.
Tabel 4.2 Hasil Uji Normalitas K-S Sebelum Transformasi Data
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 81
Normal Parameters
a,b
Mean .0000000
Std. Deviation 11798.77960193
Most Extreme Differences Absolute
.303 Positive
.303 Negative
-.261 Kolmogorov-Smirnov Z
2.728 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data.
Sumber: diolah Penulis, 2013 Pada bagian Asymp. Sig 2-tailed bernilai nol, sehingga dapat
disimpulkan bahwa data penelitian ini tidak berdistribusi normal. Oleh sebabnya, peneliti akan melakukan treatment terhadap data tersebut
agar dapat memenuhi uji Normalitas. Menurut Erlina 2011:100, ada beberapa cara untuk mengatasi
data yang tidak normal, antara lain: 1. Mentransformasi data ke dalam bentuk lain, misalnya dalam bentuk
logaritma. 2. Melakukan trimming, yaitu membuang data yang outlier.
3. Winsorizing, yaitu mengubah nilai data yang outlier menjadi nilai maksimum dan minimum yang diizinkan.
Universitas Sumatera Utara
48
Peneliti akan mentransformasikan data ke dalam bentuk Logaritma Log, lalu data akan diuji ulang dengan menggunakan uji
normalitas. Hasil uji normalitas dari data yang telah ditransformasi dapat dilihat dengan menggunakan analisis grafik yang mencakup
grafik histogram dan grafik normal probability plot, dan juga dengan menggunakan analisis statistic yang dilakukan dengan uji non-
parametrik One Sample Kormogorov-Smirnov.
Gambar 4.3 Histogram
Sumber: diolah Penulis, 2013
Grafik histogram setelah transformasi data menunjukkan kurva berbentuk lonceng dengan kemiringan hampir setara, ini berarti data
berdistribusi normal.
Universitas Sumatera Utara
49
Gambar 4.4 Grafik P-Plot
Sumber: diolah Penulis, 2013 Grafik P-Plot setelah transformasi data mempelihatkan titik-titik
yang menyebar di sekitar dan mendekati garis diagonal. Hal ini menunjukkan bahwa data berdistribusi normal.
Tabel 4.3 Hasil Uji Normalitas K-S Setelah Transformasi Dengan Logaritma
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 81
Normal Parameters
a,b
Mean .0000000
Std. Deviation .25473746
Most Extreme Differences Absolute
.091 Positive
.048 Negative
-.091 Kolmogorov-Smirnov Z
.817 Asymp. Sig. 2-tailed
.517 a. Test distribution is Normal.
b. Calculated from data.
Sumber: diolah Penulis, 2013
Universitas Sumatera Utara
50
Dari tabel 4.3 hasil uji K-S terlihat bahwa Asymp Sig 2-tailed 0.05, yaitu sebesar 0.517, sehingga dapat disimpulkan bahwa data
penelitian berdistribusi normal. Hal ini sejalan dengan hasil analisis grafik yang menunjukkan bahwa data berdistribusi normal.
4.2.1.2 Uji Multikolinearitas