52
setuju, 9,5 menyatakan ragu-ragu, dan 0 menyatakan tidak setuju dan sangat tidak setuju.
5. Pada pernyataan kelima, Mampu menciptakan citra produk yang baik,
sebanyak 23,8 menyatakan sangat setuju, 66,7 menyatakan setuju, 9,5 menyatakan ragu-ragu, dan 0 menyatakan tidak setuju dan sangat tidak setuju.
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas
Uji normalitas bertujuan untuk melihat apakah model regresi berdistribusi normal atau tidak, Uji normalitas dapat dilakukandengan analisis grafik yaitu pada
Normal P-P Plot of Regression Standarizied Residual. Jika titik menyebar di sekitar garis diagonal maka data telah berdistribusi normal. Normal P-P Plot of
Regression Standarizied Residual. Berikut ini grafik pada uji normalitas adalah sebagai berikut:
Gambar 4.1 Uji Normalitas
Universitas Sumatera Utara
53
Sumber: Hasil Pengolahan Kuesioner 2017 data diolah Gambar 4.2 Uji Normalitas
Dari Gambar 4.1 dapat dilihat bahwa titik-titik menyebar mengikuti data disepanjang garis diagonal, hal ini berarti data berdistribusi normal. Dan pada
Gambar 4.2 Pada grafik histogram terlihat bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh distribusi data tersebut tidak melenceng ke kiri atau
melenceng ke kanan. Selain itu, uji normalitas pada penelitian ini menggunakan uji
Kolmogorov-smirnov pada tingkat signifikan 5 yang hasilnya dapat dilihat pada tabel 4.8 di bawah ini.
Universitas Sumatera Utara
54
Tabel 4.8 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 63
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.98269792
Most Extreme Differences Absolute
.123 Positive
.123 Negative
-.049 Kolmogorov-Smirnov Z
.980 Asymp. Sig. 2-tailed
.292 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan Kuesioner 2017 data diolah
Pada Tabel 4.8 dapat dilihat bahwa data berdistribusi normal karena nilai Asympy.Sig 2-tailed sebesar 0,292 di atas tingkat
signifikansi 0,05 atau 5.
4.3.2 Uji Multikolinieritas
Uji Multikolinieritas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada model regresi yang
baik seharusnya antar variabel independen tidak terjadi kolerasi Situmorang, 2010:129.
Untuk mengetahui ada tidaknya gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor melalui program
SPSS. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan
Universitas Sumatera Utara
55
oleh variabel independen lainnya. Nilai VIF yang semakin besar menunjukkan masalah multikolinier yang semakin serius.
1. Jika nilai Tolerance 0,1 atau nilai VIF 5, maka terjadi multikolinieritas.
2. Jika nilai Tolerance 0,1 atau nilai VIF 5, maka tidak terjadi
multikolinieritas.
Tabel 4.9 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
2.887 3.927
.735 .465
Kepemimpinan .227
.100 .243
2.266 .027
.999 1.001
Pengetahuan Kewirausahaan
.439 .092
.510 4.756
.000 .999
1.001 a. Dependent Variable: Keberhasilan Usaha
Sumber Hasil Pengohan Kuesioner 2017 data diolah
Berdasarkan Tabel 4.9 terlihat bahwa tidak terdapat multikolinieritas pada
data variabel karena nilai toleransi Tolerance Value 0,1 dan VIF 5. Oleh karena itu, data dalam penelitian ini dikatakan tidak mengalami masalah
multikoliearitas.
4.3.3 Uji Heteroskedastisitas
