33
4.2.2 Pengujian Asumsi Klasik
Salah satu satu syarat yang menjadi dasar penggunaan model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah
dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien Best Linear Unbiased Estimator. Pengujian asumsi klasik dalam
penelitian ini dilakukan dengan bantuan program statistik. Menurut Ghozali 2005, asumsi klasik yang harus dipenuhi adalah sebagai berikut ini:
• Berdistibusi normal.
• Non-Multikolinearitas, artinya antara variabel independen dalam
model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
• Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling berkorelasi. •
Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
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,
Universitas Sumatera Utara
34 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 :
Tabel 4.2 HASIL UJI NORMALITAS
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 78
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .63724356
Most Extreme Differences Absolute
.102 Positive
.102 Negative
-.058 Kolmogorov-Smirnov Z
.904 Asymp. Sig. 2-tailed
.388 a. Test distribution is Normal.
b. Calculated from data.
Sumber :Output SPSS, diolah Peneliti, 2013
Universitas Sumatera Utara
35 Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov
seperti yang terdapat dalam tabel 4.2 dapat disimpulkan bahwa besarnya nilai Kolmogrov–Smirnov sebesar 0,388 dan signifikan lebih dari 0,05
karena Asymp. Sig. 2-tailed 0,388 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.
HISTOGRAM
Universitas Sumatera Utara
36
Gambar 4.1
Sumber :Output SPSS, 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
37
UJI NORMALITAS DATA
Gambar 4.2
Sumber :Output SPSS, 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
Universitas Sumatera Utara
38 menggunakan histogram bahwa data telah terdistribusi normal.Karena
secara keseluruhan data telah terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
4.2.2.2. Uji Multikolinieritas