39
4.3.1 Uji Normalitas
Sebelum dilakukan pengolahan data dengan menggunakan uji regresi, terlebih dahulu dilakukan uji normalitas data. Uji normalitas data dilakukan
untuk menganalisis apakah syarat persamaan regresi sudah dipenuhi atau belum.
Diolah oleh penulis 2015
Gambar 4.1 Histogram
Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke
kanan. Setelah melakukan uji normalitas dengan mengunakan software SPSS 18 diketahui bahwa model regresi penelitian ini berdistribusi secara normal
hal ini dapat disimpulkan melalui tampilan grafik histogram gambar 4.1, data distribusi nilai residual menunjukkan berdistribusi normal, hal ini
dinyatakan pada gambar berbentuk bel yang hampir sempurna simetris.
40
Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan
menyebar di sekitar garis diagonal. Pada normal probability plot gambar 4.2, data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonalnya. Hal ini menunjukkan residual berdistribusi normal, maka model regresi memenuhi asumsi normalitas.
Diolah oleh penulis 2015
Gambar 4.2 Normal P-Plot
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu
melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal
berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov One-sample
K-S dengan melihat data residualnya apakah berdistribusi normal atau tidak.
Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi
41
normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov dapat dilihat pada tabel
4.2. Berdasarkan output SPSS di bawah ini terlihat bahwa nilai asymp sig 2- tailed adalah 0,711 dan di atas nilai signifikan 0,05 dengan kata lain variabel
residual berdistribusi normal.
Tabel 4.2 Uji
One-Sample Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 57
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,10318747
Most Extreme Differences Absolute
,093 Positive
,070 Negative
-,093 Kolmogorov-Smirnov Z
,700 Asymp. Sig. 2-tailed
,711
Diolah oleh penulis 2015
4.3.2 Uji Multikolinearitas