Uji Heteroskedastisitas Pendekatan Kolmogorv-Smirnov

76 Berdasarkan Gambar 4.3 dapat diketahui bahwa data berdistribusi normal dapat di lihat pada scatterplot, terlihat titik yang mengikuti data di sepanjang garis diagonal.

2. Pendekatan Kolmogorv-Smirnov

Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistic tidak berdistribusi normal. Berikut ini pengujian normalitas yang berdasarkan dengan uji statistic non-parametik Kolmogorv-Smirnov K-S untuk memastikan apakah data benar berdistribusi normal. Tabel 4.8 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 78 Normal Parameters a,b Mean ,0000000 Std. Deviation 1,57414960 Most Extreme Differences Absolute ,064 Positive ,049 Negative -,064 Kolmogorov-Smirnov Z ,567 Asymp. Sig. 2-tailed ,904 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil pengolahan SPSS, 2015 Berdasarkan Tabel 4.8 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,904. Dan di atas nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.

4.2.3.2 Uji Heteroskedastisitas

Uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu variabel pengamatan ke pengamatan lain. 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 : 77 1. Metode Grafik Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah 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 heteroskedasitastisitas. Sumber : Hasil Pengolahan SPSS, 2015 Gambar 4.4 Scatter Plot Uji Heteroskedastisitas Berdasarkan Gambar 4.4 dapat terlihat dari grafik Scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada data residual. 2. Uji Glejser 78 Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya. Jika nilai signifikansi antara variabel independen dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas. Tabel 4.9 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 2,536 1,489 1,703 ,093 Komunikasi -,074 ,044 -,305 -1,670 ,099 Motivasi ,040 ,038 ,195 1,066 ,290 a. Dependent Variable: absut Sumber : Hasil Pengolahan SPSS, 2015 Berdasarkan Tabel 4.9 terlihat jelas menunjukkan tidak satupun variabel indepnden yang signifikan secara statistik mempengaruhi variabel depanden absolut Ut absUt. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5 0,05, jadi disimpulkan model regresi tidak mempengaruhi heteroskedastisitas.

4.2.3.3 Uji Multikolinieritas