bantuan program statistik. Menurut Ghozali 2005, asumsi klasik yang harus dipenuhi adalah sebagai berikut ini:
a Berdistibusi normal. b Non-Multikolinearitas, artinya antara variabel independen dalam model
regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
c Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling berkorelasi.
d Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
e
4.2.2.1. Uji normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Ghozali 2005,
memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov yang dapat dilihat
dari: a nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah tidak normal, b nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah normal. Hipotesis yang digunakan adalah :
H0 : Data residual berdistribusi normal, dan Ha : Data residual tidak berdistribusi normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov adalah seperti yang ditampilkan berikut ini.
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 90
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .75579440
Most Extreme Differences Absolute
.154 Positive
.154 Negative
-.132 Kolmogorov-Smirnov Z
1.465 Asymp. Sig. 2-tailed
.027 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Output SPSS, diolah Peneliti, 2013
Universitas Sumatera Utara
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0.027. Dengan demikian, data pada penelitian ini tidak berdistribusi normal dan dapat
digunakan untuk melakukan uji hipotesis karena 0.027 0,05.Pada pengujian normalitas dengan analisis statistik dapat ketahui bahwa data yang digunakan oleh
peneliti tidak berdistribusi normal sehingga data ini tidak dapat digunakan untuk melakukan uji hipotesis.Pada penelitian ini peneliti menggunakan metode
transformasi data untuk menormalkan data penelitian. Menurut Ghozali 2005:32, “data yang tidak terdistribusi secara normal dapat ditransformasi agar menjadi
normal”. Salah satu trasformasi data yang dapat dilakukan adalah dengan mentransformasikan data ke LG10 atau logaritma 10 atau logaritma natural
LN.Hasil transformasi data ke logaritma natural dapat dilihat pada lampiran.Setelah dilakukan transformasi, peneliti melakukan pengujian ulang terhadap uji normalitas
untuk melihat kembali apakah data penelitian ini telah berdistribusi normal atau tidak.Hasil pengujian normalitas setelah transformasi dapat dilihat sebagai berikut.
Tabel 4.3
Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 38
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .89365160
Most Extreme Differences Absolute
.131
Universitas Sumatera Utara
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.2 dapat disimpulkan bahwa besarnya nilai Kolmogrov–
Smirnov sebesar 0,805 dan signifikan lebih dari 0,05 karena Asymp. Sig. 2-tailed 0,536 dari 0,05. Nilai signifikansi lebih besar dari 0,05 maka H0 diterima atau Ha
ditolak yang berarti data residual telah berdistribusi normal. Dengan demikian, dapat disimpulkan bahwa nilai-nilai observasi data telah terdistribusi secara normal dan
dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik histrogram dan plot data yang terdistribusi normal.
Positive .100
Negative -.131
Kolmogorov-Smirnov Z .805
Asymp. Sig. 2-tailed .536
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS, diolah Peneliti, 2013
Universitas Sumatera Utara
Gambar 4.1 Histogram
Sumber :OutputSPSS, diolah Peneliti, 2013 Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara
normal.Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng ke
kanan. Hal ini juga didukung dengan hasil uji normalitas dengan menggunakan grafik plot yang ditampilkan pada Gambar 4.2
Universitas Sumatera Utara
Gambar 4.2 Uji Normalitas Data
Sumber :OutputSPSS, diolah Peneliti, 2013 Menurut Ghozali 2005, pendeteksian normalitas dapat dilakukan dengan
melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini
menunjukkan data yang telah terdistribusi normal. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis diagonal.Hal ini sejalan dengan
hasil pengujian dengan menggunakan histogram bahwa data telah terdistribusi normal.Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat
dilakukan pengujian asumsi klasik lainnya.
Universitas Sumatera Utara
4.2.2.2. Uji multikolinieritas