55
8. Pada butir pernyataan 8 mengenai saya membantu menurunkan tingkat pengangguran dengan berwirausaha, diketahui 20.8 responden
mengatakan sangat setuju, 52.8 respondensetuju, 27.2
respondenkurang setuju, dan ternyata 3.6 responden tidak setuju, serta 0.8 responden sangat tidak setuju. Sebanyak 31,6 mahasiswa tidak
yakin dapat membantu menurunkan tingkat pengangguran dengan berwirausaha.
9. Pada butir pernyataan 9 mengenai saya membantu meningkatkan perekenomian karena saya berwirausaha, diketahui bahwa 11.2
responden mengatakan sangat setuju, 61.6 responden setuju, 25.2 responden kurang setuju, dan ternyata 2.0 responden tidak setuju.
10. Pada butir pernyataan 10 mengenai menjadi seorang wirausaha menjadikan saya tidak bergantung dengan orang lain, diketahui bahwa
14.4 responden sangat setuju, 55.2 responden setuju, 27.6 responden kurang setuju, danternyata 2.8 responden tidak setuju.
4.1.2 Uji Asumsi Klasik a. Uji Normalitas
Uji asumsi klasik dilakukan sebelum melakukan analisis regresi, agar dapat diperkirakan yang tidak bias dan efesiensi maka dilakukan pengujian asumsi
klasik yang harus dipenuhi, yang pertama adalah uji normalitas. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan
pendekatan grafik dan pendekatan Kolmogrov-Smirnov.
56
1. Pendekatan Grafik 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 normal.
Sumber : Hasil Pengolahan SPSS Maret 2015
Gambar 4.1 Grafik Histogram Uji Normalitas
57
Sumber : Hasil Pengolahan SPSS Maret 2015
Gambar 4.2 Grafik Normal P-P Plot Uji Normalitas
Berdasarkan Gambar 4.1 dapat diketahui bahwa hubungan dari variabel Faktor Kepribadian, Lingkungan, dan Demografis terhadap Minat Berwirausaha
adalah berdistribusi normal, hal ini ditunjukkan oleh gambar histogram yang tidak terlihat menceng ke kiri maupun ke kanan. Sedangkan pada Gambar 4.2 data
berdistribusi normal dapat dilihat pada scatterplot, terlihat titik-titik yang mengikuti garis diagonal.
2. Pendekatan Kolmogrov-Smirnov Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal,
padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian
58
normalitas yang berdasarkan dengan uji statistik non-parametrik Kolmogrov- Smirnov K-S untuk memastikan apakah data benar berdistribusi normal.
Tabel 4.8 One-Sample Kolmogrov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 250
Normal Parameters
a,b
Mean 0E-7
Std. Deviation
3.52362997 Most Extreme
Differences Absolute
.040 Positive
.022 Negative
-.040 Kolmogorov-Smirnov Z
.629 Asymp. Sig. 2-tailed
.824
Sumber : Hasil Pengolahan SPSS Maret 2014
Berdasarkan Tabel 4.8 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0.824, dan diatas nilai signifikan 0.01, dengan kata lain variabel residual
berdistribusi normal. Nilai Kolmogrov-Smirnov Z yakni 0.629 lebih kecil dari 1.97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau
dengan kata lain data dikatakan normal.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang 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.