5.4.1 Uji Normalitas
Uji normalitas pada penelitian ini dilakukan menggunakan perhitungan regresi dengan Software SPSS, yaitu dengan uji Kolmogrof-Smirnov Test dimana nilai
Kolmogrof-Smirnov adalah 0,195 lebih besar dari signifikansi alpha 0,05. Maka dapat disimpulkan bahwa persyaratan normalitas terpenuhi dan dengan demikian model
regresi layak dipakai untuk memprediksi keputusan mahasiswa berdasarkan masukan variabel independen. Hasil perhitungannya dapat dilihat pada Tabel 5.27 dibawah ini:
Tabel 5.27 Kolmogrof-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
122 Mean
.0000000 Normal Parameters
a,,b
Std. Deviation 1.06100847
Absolute .098
Positive .083
Most Extreme Differences Negative
-.098 Kolmogorov-Smirnov Z
1.079 Asymp. Sig. 2-tailed
.195
Sumber : Hasil Pengolahan Data Dengan SPSS 2010
5.4.2 Uji Multikolinieritas
Uji Multikolinieritas digunakan untuk mengetahui apakah model regresi yang digunakan terdapat korelasi antar variabel independen. Hasil pengujian
multikolinieritas data dalam penelitian ini dibantu dengan alat SPSS, hasilnya dapat dilihat pada Tabel 5.28 berikut ini :
Universitas Sumatera Utara
Tabel 5.28 Collinearity Statistics
Coefficients
a
Collinearity Statistics Model
Tolerance VIF
Proses .516
1.937 Promosi
.714 1.401
Alumni .494
2.024 1
Biaya .697
1.434
Sumber : Hasil Pengolahan Data Dengan SPSS 2010
Dari Tabel 5.28 dapat dilihat untuk kesebelas variabel independent yaitu : proses, biaya, latar belakang sosial ekonomi, motivasi, fasilitas, referensi, lokasi,
promosi, reputasi, alumni, dan produk ternyata angka VIF kurang dari 10, sedangkan nilai tolerancenya mendekati 1. Dengan demikian dapat disimpulkan bahwa pada
model regresi tersebut tidak terdapat masalah multikolinieritas.
5.4.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varians dari residual pada suatu pengamatan ke pengamatan
yang lain. Jika varians dari residual pada suatu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas, dan jika varians berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat bantu
SPSS dengan mengamati pola yang terdapat pada Scatterplot, dimana hasilnya dapat dilihat pada Gambar 5.1 dibawah ini :
Universitas Sumatera Utara
Sumber : Hasil Pengolahan Data Dengan SPSS 2010
Gambar 5.1 Uji Heteroskedastisitas
Gambar uji heteroskedastisitas terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas maupun
dibawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk prediksi keputusan
menempuh pendidikan berdasarkan masukan dari variabel bebasnya.
5.5 Analisis Regresi
Kategori