B. Uji Asumsi Klasik
Salah satu syarat yang mendasari model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah terpenuhinya semua asumsi klasik,
agar hasil pengujian bersifat tidak bias dan efisien. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program normalitas data, autokolerasi,
heterokedastisitas dan asumsi-asumsi klasik lainnya agar hasil pengujian tidak bersifat bias dan efisien. Menurut Gazali 2005:123 asumsi klasik yang harus
dipenuhi adalah berdestribusi normal, non-multikolineritas, non-autokorelasi dan non-heterokedastisitas.
a. Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi,
variabel pengganggu atau residual memiliki distribusi normal serta untuk menghindari bias dalam model regresi. Pengujian normalitas dalam penelitian ini
menggunakan uji statistik non-paramektik Kolmogrov-Smirnov K-S, dengan membuat hipotesis:
H0 : Data residua l berdistribusi normal Ha : Data tidak berdistribusi normal
Apabila signifikansi lebih besar dari 0,05 maka H0 diterima, sedangkan jika nilai signifikansi lebih kecil dari 0,05 maka H0 ditolak.
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogrov-Smirnov Rest
Unstandardiz ed Residual
N 20
Normal Parameters
a
Mean .0000000
Std. Deviation 4.92443980
Most Extreme Differences
Absolute .210
Positive .097
Negative -.210
Kolmogorov-Smirnov Z .939
Asymp. Sig. 2-tailed .341
a. Test distribution is Normal.
Dari table 4.2, dapat diambil kesimpulan bahwa data dalam model regresi setelah dilakukan transformasi data dalam logaritma natural, destribusi secara
normal. Hal ini dapat dilihat dari nilai unstandardized residual lebih besar dari 0,05 yakni 0,3410,05. Dengan demikian dapat dilanjutkan dengan uji asumsi
klasik lainnya. Untuk lebih jelas berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal.
Universitas Sumatera Utara
Gambar 4.1 Histogram
Sumber : Output SPSS diolah penulis 2010 Dengan cara membandingkan antara data observasi dan distribusi yang
mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data
mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng kanan.
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot berikut ini:
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal Plot
Sumber : Output SPSS diolah penulis 2010
Pada Grafik normal plot terlihat titik-titik menyebar disekitar gambar diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga
dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikolinearitas