71
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan
bentuk lonceng. Ada beberapa cara untuk mengetahui apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan histogram,
pendekatan grafik dan pendekatan Kolmogrov-Smirnov.
1. Pendekatan Histogram
Pada grafik histogram, dikatakan variabel berdistribusi normal pada grafik histogram yang berbentuk lonceng apabila distribusi data tersebut
tidak melenceng ke kiri atau melenceng ke kanan.
Sumber: Hasil Pengolahan SPSS 2015
Gambar 4.1 Histogram Normalitas
Universitas Sumatera Utara
72
Sumber: Hasil Pengolahan SPSS 2015
Gambar 4.2 Histogram Normalitas
2. Pendekatan Grafik
Cara lainnya melihat uji normalitas dengan pendekatan grafik. PP Plot akan membentuk plot antara nilai-nilai teoritis sumbu X
melawan nilai-nilai yang didapat dari sampel sumbu Y. Apabila plot keduanya berbentuk linear dapat didekati oleh garis lurus,
maka hal ini merupakan indikasi bahwa residual menyebar normal. Berikut dapat dilihat Scatter Plot Uji Normalitas pada Gambar 4.6:
Universitas Sumatera Utara
73
Sumber: Hasil Pengolahan SPSS 2015
Gambar 4.3 Scatter Plot Uji Normalitas
Sumber: Hasil Pengolahan SPSS 2015
Gambar 4.4 Scatter Plot Uji Normalitas
Universitas Sumatera Utara
74 Untuk memastikan apakah data di sepanjang garis diagonal
berdistribusi normal maka dilakukan uji Kolmogrov Smirnov, one- Sample Klomogrov-Smirnov Test
dapat dilihat pada tabel 4.12 sebagai berikut:
Tabel 4.13 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
90 Normal Parameters
a,b
Mean .0000000
Std. Deviation
5.39749250 Most Extreme
Differences Absolute
.083 Positive
.041 Negative
-.083 Test Statistic
.083 Asymp. Sig. 2-tailed
.161
c
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Pengolahan SPSS 2015
Tabel 4.14 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
90 Normal Parameters
a,b
Mean .0000000
Std. Deviation
2.68639546 Most Extreme
Differences Absolute
.095 Positive
.039 Negative
-.095 Test Statistic
.095 Asymp. Sig. 2-tailed
.044
c
a. Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
75 Pada Tabel 4.13 dan Tabel 4.14 menunjukkan bahwa nilai Asymp. Sig. 2-
failed adalah 0,161 dan 0,04, diatas nilai signifikan 0,05. Dengan
demikian variabel residual berdistribusi normal. 4.3.2 Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain.
Jika varians dari residual satu ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Model
regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Scatter Plot Uji Heterokedastisitas dapat dilihat pada
Gambar 4.5.
Sumber: Hasil Pengolahan SPSS 2015
Gambar 4.5 Scatter Plot Uji Heterokedastisitas
Universitas Sumatera Utara
76
Sumber: Hasil Pengolahan SPSS 2015
Gambar 4.6 Scatter Plot Uji Heterokedastisitas
Dari kedua gambar diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas
maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi Heterokedastisitas pada model regresi.
4.3.3 Uji Multikolinearitas
Kategori