64
Rakyat KUR
4.4 Uji Asumsi Klasik
1. Uji Normalitas Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi
distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji
statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan
Kolmogorv-Smirnov. a.
Analisis Grafik Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Hasil
Output SPSS terlihat seperti Gambar
Universitas Sumatera Utara
65
Sumber : Hasil Penelitian, 2016 data diolah SPSS 17
Gambar 4.1 Pengujian Normalitas Histogram
Berdasarkan grafik dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan pola distribusi normal maka model
regresi memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik
histogram tidak menunjukkan pola distribusi data normal yang tidak melennceng kanan maupun melennceng kiri. Jadi, berarti data residual
berdistibusi normal. Terbukti bahwa data maupun model yang digunakan memenuhi asumsi normalitas.
Universitas Sumatera Utara
66
Sumber : Hasil Penelitian, 2014 data diolah SPSS 17
Gambar 4.2 Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini
menunjukkan bahwa data yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model
regresi. b.
Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Jika nilai sig probability
lebih besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis berdistribusi normal. Demikian juga sebaliknya jika nilai sig
probability lebih kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis tidak berdistribusi normal. Berikut ini
Universitas Sumatera Utara
67
pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorov-Smirnov K-S.
Tabel 4.8 Kolmogorov-Smirnov Test
Unstandardize d Residual
N 91
Normal Parametersa,b
Mean ,0000000
Std. Deviation 414,68122365
Most Extreme Differences
Absolute ,090
Positive ,071
Negative -,090
Kolmogorov-Smirnov Z ,862
Asymp. Sig. 2-tailed ,447
Berdasarkan Tabel 4,8 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,447, ini berarti nilainya diatas nilai signifikan 5 0.05, dengan
kata lain variabel tersebut berdistribusi normal. 2. Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. Jika varians dari residual satu pengamatan ke
pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu :
Universitas Sumatera Utara
68
a. Analisis Grafik Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang
membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber : Hasil Penelitian, 2014 data diolah SPSS 17
Gambar 4.3 Heterokedastisitas Scaterrplot
Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y,
maka berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi.
Universitas Sumatera Utara
69
b. Analisis Statistik Dasar analisis metode statistik adalah jika variabel bebas signifikan secara
statistik mempengaruhi variabel terikat, maka ada indikasi terjadi heteroskedastisitas.
3. Uji Multikolinieritas Tujuan uji multikolinieritas adalah untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas tidak terjadi
multikonieritas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak ortogonal adalah variabel bebas yang nilai korelasi antar sesama
variabel bebas sama dengan nol
Tabel 4.9 Uji Multikolinieritas
Sumber : Hasil Penelitian, 2014 data diolah SPSS 17
Berdasarkan Tabel 4.9 diatas dapat dilihat bahwa nilai VIF dari masing- masing variabel bebas adalah lebih kecil dari 5,00. Artinya tidak terjadi
korelasi diantara variabel bebas tidak terjadi multikolinieritas pada model regresi.
Universitas Sumatera Utara
70
4.5 Analisi Regresi Linier Berganda