4.6 Uji Asumsi Klasik
4.6.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni
distribusi data dengan bentuk lonceng. Jika asumsi ini dilanggar maka uji statistic menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data
berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov
1. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram, dan grafik normal p-p plot, yang membandingkan antara dua
observasi dengan distribusi yang mendekati distribusi normal. Hasil output SPSS terlihat seperti Gambar 4.2 dan Gambar 4.3 .
Sumber : Hasil Penelitian, 2015 Data Diolah
Gambar 4.2 Pengujian Normalitas Histogram
Universitas Sumatera Utara
Berdasarkan grafik dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukan pola distribusi normal pada model regresi
memenuhi asumsi normalitas dan sebaliknya, jika data menyebar jaun dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram
tidak menunjukan pola distribusi data normal yang tidak melenceng kanan maupun melenceng kiri. Jadi, berarti data residual berdistribusi normal.
Terbukti bahwa data maupun model yang digunakan memenuhi asumsi normalitas.
Sumber : Hasil Penelitian, 2015 Data Diolah
Gambar 4.3 Pengujian Normalitas P – Plot
Pada p-p plot terlihat bahwa titik – titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukan bahwa data
yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model regresi.
Universitas Sumatera Utara
2. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal, jika nilai sig probability
lebih besar dari8 0,05 maka H ditolak dengan pengertian bahwa data yang
dianalisis berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability lebih kecil dari 0,05 maka H
diterima dengan pengertian bahwa data yang dianalisis tidak berdistribusi normal. Berikut ini pengujian
normalitas yang didasarkan dengan uji statistik nonparametik kolmogorov- smirnov K-S.
Tabel 4.13 Uji Kolmogrov Smirnov
Berdasarkan Tabel 4.13, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,671, ini berarti nilainya diatas signifikan 5 0,05, dengan kata lain
variabel tersebut berdistribusi normal.
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 45
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 2,36581810
Most Extreme Differences Absolute ,108
Positive ,058
Negative -,108
Kolmogorov-Smirnov Z ,724
Asymp. Sig. 2-tailed ,671
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Penelitian, 2015 Data Diolah
Universitas Sumatera Utara
4.6.2 Uji Multikolinieritas