tidak, yaitu dengan pendekatan grafik dan pendekatan kolmogorv-Smirnow. Dengan menggunakan tingkat signifikansi 5 0,05 maka Asymp,sig 2-tailed
diatas nilai signifikansi 5 0,05 artinya variiabel residual berdistribusi normal. Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi yang mendekati distribusi normal.
a. Pendekatan Histogram
Sumber : Hasil Pengolahan SPSS 2015 Gambar 4.2
Histogram Uji Normalitas
Pada Gambar 4.2 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke
kiri atau ke kanan.
b. Pendekatan Grafik
Sumber : Hasil Pengolahan SPSS 2015
Gambar 4.3 : Histogram Uji Normalitas
Pada Gambar 4.3 Normal P-P Plot terlihat titik-titik yang mengikuti data disepanjang garis normal, hal ini berarti residual data berdistribusi normal.
c. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Pengujian normalitas yang
didasarkan dengan uji statistik Non-parametik Kolmogorov-Smirnov dapat dilihat pada Tabel 4.7 berikut ini :
Tabel 4. 7 Hasil Uji Normalitas Pendekatan
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
72 Normal Parameters
a,b
Mean .00
Std. Deviation 3.049
Most Extreme Differences Absolute
.078 Positive
.072 Negative
-.078 Kolmogorov-Smirnov Z
.663 Asymp. Sig. 2-tailed
.771 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 2015
Pada Tabel 4.7 Terlihat bahwa nilai Asymp.sig 2 tailed adalah 0,771 dan nilai signifikan 0,05, karena nilai Asymp.sig 2 tailed di atas 0,05 yaitu 0, 771
hal ini berarti menunjukan bahwa residual data berdistribusi normal.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika
varians dari residual satu pengamatan kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedestisitas. Model regresi
yang baik adalah yang homoskedestisitas atau tidak terjadi heteroskedestisitas. Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan
pendekatan statistik dengan uji glejser, heteroskedestisitas tidak akan terjadi apabila tidak satupun varaibel independen signifikan secara statistik
mempengaruhi variabel independen signifikan secara statistik mempengaruhi varaibel dpenden nilai absolute Ut absUt. Jika probabilitas signifikan diatas
tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah pada heteroskedastisitas. Beberapa cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas adalah sebagai berikut :
a. Metode Pendekatan Grafik
