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