C. Uji Asumsi Klasik
1. Uji Normalitas
Data-data bertipe skala sebagai pada umumnya mengikuti asumsi distribusi normal. Namun, tidak mustahil suatu data tidak mengikuti asumsi
normalitas. Untuk mengetahui kepastian sebaran data yang diperoleh harus dilakukan uji normalitas terhadap data yang bersangkutan Nurgiyantoro dkk,
2000. Dengan demikian, analisis statistika yang pertama harus digunakan dalam rangka analisis data adalah analisis statistik berupa uji normalitas.
Gambar 4.4 Uji Normalitas
Sumber: Output SPSS
Berdasarkan Normal Probability Plot of Residual, diketahui bahwa residual membentuk suatu pola garis lurus, sehingga dapat disimpulkan bahwa
residual berdistribusi normal. Adapun
uji normalitas
yang digunakan
dalam penelitian
ini menggunakan uji Kolmogorov-Smirnov untuk menguji sesuai goodness of
fit. Dalam hal ini yang diperhatikan adalah tingkat kesesuaian antara distribusi nilai sampel observasi dengan distribusi teoritis tertentu normal,
uniform, eksponensial, atau poisson. Jadi hipotesis statistiknya adalah bahwa distribusi frekuensi hasil pengamatan bersesuaian dengan distribusi frekuensi
harapan teoritis Tim penelitian dan pengembangan Wahana Komputer, 2006. Berikut ini adalah hasil uji Kolmogorov Smirnov terhadap data residual
menggunakan software SPSS 16:
Tabel 4.4 Uji Normalitas
Sumber: Output SPSS
Metode pengambilan keputusan untuk uji normalitas yaitu jika signifikansi Asymp.sig 0,05 maka data berdistribusi normal dan jika
signifikansi Asymp.sig 0,05 maka data tidak berdistribusi normal.
3
Pengambilan keputusan berdasarkan nilai probabilitas dengan nilai tingkat kepercayan 95 α = 0,05 :
Jika probabilitas 0,05 , maka H tidak ditolak
3
Duwi Priyatno, Tek nik Mudah Dan Cepat Melak uk an Analisis Data Penelitian Dengan SPSS, cet.I, Yogyakarta: Gava Media, 2010, h.58
Jika probabilitas 0,05 , maka H
1
ditolak Hasil uji normalitas pada data residual, berdasarkan uji Kolmogorov-
Smirnov dapat diketahui bahwa data LN_NAB Y nilai Asymp.sig 2-tailed sebesar 0,049 data LN_JII X
1
sebesar 0,067, dan data SBIS X
2
sebesar 0,246. Karena signifikansi pada ketiga variabel lebih dari 0,05 jadi dapat
dinyatakan data berdistribusi normal. Maka H tidak ditolak, sehingga dapat
disimpulkan bahwa data berdistribusi normal. Kesimpulan tersebut sama seperti pengujian pada Normal Probability Plot of Residual.
2. Uji Heteroskedastisitas
Gambar 4.5 Scatter Plot
Sumber: Output SPSS
Dari grafik scatterplots terlihat bahwa titik-titik dari data menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada
Kategori