commit to user 43
1. Uji Normalitas
Uji normalitas data dalam penelitian ini menggunakan uji Kolmogorov- Smirnov terhadap data residual regresi dan dilakukan dengan program SPSS
Release 16.0. Hasil pengujian normalitas dengan Kolmogorov-Smirnov dapat dilihat pada Lampiran. Secara ringkas ditunjukkan tabel berikut ini.
Tabel IV. 2 Hasil Uji Normalitas Data
Unstandardized Residual
N 310
Normal Parameters
a
Mean 0,0000000
Std. Deviation 0,54078533
Most Extreme Differences Absolute
0,151 Positive
0,123 Negative
-0,151 Kolmogorov-Smirnov Z
2,657 Asymp. Sig. 2-tailed
0,000
Sumber: Hasil Pengolahan Data
Tabel uji normalitas dengan Kolmogorov-Smirnov di atas menunjukkan bahwa nilai asymp sig. sebesar 0,000 yang lebih kecil dari 5, maka dapat
dinyatakan bahwa data memiliki sebaran yang tidak normal. Oleh karena itu dilakukan proses outlier data dengan mengeluarkan data ekstrim berdasarkan
nilai Z score. Setelah dilakukan proses outlier diperoleh 198 data yang berarti terdapat 112 data ekstrim yang dikeluarkan dari data penelitian dalam
pengujian normalitas. Berikut ini disajikan hasil uji normalitas setelah outlier data penelitian.
commit to user 44
Tabel IV. 3 Hasil Uji Normalitas Data Setelah Outlier
Unstandardized Residual
N 198
Normal Parameters
a
Mean 0,0000000
Std. Deviation 0,47970504
Most Extreme Differences Absolute 0,070
Positive 0,061
Negative -0,070
Kolmogorov-Smirnov Z 0,982
Asymp. Sig. 2-tailed 0,290
Sumber: Hasil Pengolahan Data
Hasil pengujian Kolmogorov-Smirnov dengan residual dengan data setelah proses outlier dapat diketahui nilai asymp sig sebesar 0,290 yang lebih
besar dari tingkat signifikansi penelitian 5, maka dapat dinyatakan bahwa seluruh data memiliki sebaran data normal.
2. Uji Multikoliniearitas
Uji multikolinieritas digunakan untuk mengetahui korelasi antar variabel independen. Model regresi yang baik adalah model yang tidak terdapat
korelasi antara variabel independen atau korelasi antar variabel independennya rendah. Keberadaan multikolinieritas di deteksi dengan Varians Inflating
Factor VIF dan Tolerance. Kriteria untuk dapat dinyatakan tidak terjadi gejala multikolineritas adalah apabila nilai tolerance lebih besar dari 0,1 dan
nilai VIF lebih kecil dari 10. Hasil uji multikolinieritas tersaji pada tabel
berikut ini.
commit to user 45
Tabel IV. 4 Hasil Uji Multikolinieritas
Sumber: Hasil Pengolahan Data
Hasil uji multikolinearitas di atas menunjukkan bahwa semua variabel independen memiliki nilai tolerance lebih dari 0,1 10, artinya tidak ada
korelasi antar variabel bebas yang nilainya lebih dari 90. Hasil perhitungan juga menunjukkan bahwa semua variabel bebas memiliki VIF kurang dari 10.
Jadi dapat disimpulkan bahwa tidak ada gejala multikolinearitas dalam model regresi yang digunakan. Hasil uji multikolinieritas selengkapnya dapat dilihat
pada Lampiran.
3. Uji Autokorelasi