73
4.4.2 Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel independen dan dependen berdistribusi normal. Uji normalitas
dilakukan dengan dua cara yaitu analisis grafik dan statistik, dan analisis grafik dilakukan dengan menggunakan grafik histogram.
Data yang baik adalah yang memiliki pola normal, dan pada grafik histogram data normal ditunjukan oleh data yang tidak menceng ke
kiri atau menceng ke kanan. Hasil uji normalitas dengan menggunakan grafik histogram adalah sebagai berikut:
74
Gambar 4.1 Histogram
Pada grafik histogram tampak bahwa variabel berdistribusi normal, dimana hal itu ditunjukan dari grafik mengikuti garis tren.
Kadangkala hasil uji grafik dapat memberikan hasil yang bias sehingga peneliti menambah uji statistik agar lebih akurat. Uji
statistik dengan Kolmogorov Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi dengan normal atau tidak, dan
pedoman pengambilan keputusannya adalah:
75
a Nilai Sig. atau signifikan atau probabilitas 0,05 maka distribusi adalah tidak normal
b Nilai Sig. atau signifikan atau probabilitas 0,05 maka distribusi data adalah normal Ghozali, 2005:165
Tabel 4.9 Uji Kolmogorov Smirnov
Berdasarkan uji statistik dengan model Kolmogorov Smirnov seperti yang terdapat di tabel, dapat disimpulkan data telah
terdistribusi dengan normal karena Asymp. Sig. 2-tailed Kolmogorov Smirnov 0,941 lebih besar daripada 0,05.
b. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 sebelumnya Ghozali, 2005 : 110. Pengujian autokorelasi menggunakan uji Durbin Watson
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 84
Normal Parameters
a
Mean .0000000
Std. Deviation .00000000
Most Extreme Differences Absolute
.058 Positive
.058 Negative
-.047 Kolmogorov-Smirnov Z
.531 Asymp. Sig. 2-tailed
.941 a. Test distribution is Normal.
76
dengan melihat nilai tabel dibawah ini:
Tabel 4.10 Hasil Uji Durbin Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 1.000
a
1.000 1.000
.00000 2.138
a. Predictors: Constant, X4, X1, X3, X2 b. Dependent Variable: Y
Tabel 4.10 menunjukan hasil autokorelasi penelitian. Berdasarkan hasil pengujian diperoleh bahwa tidak terjadi
autokorelasi antar kesalahan penganggu antar periode. Hal ini dapat dilihat dari nilai Durbin Watson sebesar 2,138. Nilai du dari 4
variabel independen dan 84 observasi adalah 1,7462. Nilai Durbin Watson berada diantara 1,7462 2,138 2,2538. Dapat disimpulkan
bahwa tidak ada autokorelasi positif maupun negatif.
c. Uji Heteroskedastisitas
Kategori