4.5 Uji Asumsi Klasik
4.5.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi
data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau
tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov. 1.
Analisis Grafik Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Hasil output SPSS terlihat
seperti Gambar 4.2, dan Gambar 4.3.
Sumber: Hasil Penelitian, 2015 data diolah
Gambar 4.2
Universitas Sumatera Utara
Pengujian Normalitas Histogram
Berdasarkan grafik dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan pola distribusi normal maka model regresi
memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak
menunjukkan pola distribusi data normal yang tidak melenceng kanan maupun melennceng kiri. Jadi, berarti data residual berdistibusi normal. Terbukti bahwa
data maupun model yang digunakan memenuhi asumsi normalitas.
Sumber: Hasil Penelitian, 2015 data diolah
Gambar 4.3 Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data
yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model regresi.
Universitas Sumatera Utara
2. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Jika nilai sig probability lebih
besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability lebih
kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan
dengan uji statistik nonparametik Kolmogorv-Smirnov K-S.
Tabel 4.12 Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 86
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.84375750
Most Extreme Differences Absolute
.090 Positive
.090 Negative
-.069 Kolmogorov-Smirnov Z
.838 Asymp. Sig. 2-tailed
.484 a. Test distribution is Normal.
b. Calculated from data. b. Calculated from data.
Sumber: Hasil Penelitian, 2015 data diolah
Berdasarkan Tabel 4.12, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,484, ini berarti nilainya diatas nilai signifikan 5 0.05, dengan kata lain
variabel tersebut berdistribusi normal.
Universitas Sumatera Utara
4.5.2 Uji Heteroskedastisitas