Analisis Grafik Hasil Uji Normalitas

B. Pengujian Asumsi Klasik

Analisa dilakukan dengan metode analisa regresi berganda. Sebelum dilakukan uji hipotesis, peneliti akan melakukan uji asumsi klasik. Pengujian ini perlu dilakukan untuk mengetahui apakah distribusi data yang digunakan dalam penelitian sudah normal, serta bebas dari gejala multikolinearitas, heteroskesdastisitas serta autokorelasi. Menurut Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah:  berdistribusi normal,  non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna,  non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi,  homoskedasitas, artinya variance variabel independen dari satu pengamatan kepengamatan yang lain adalah konstan atau sama.

1. Hasil Uji Normalitas

Pengujian ini dimaksudkan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Adapun uji normalitas dapat dilakukan dengan dua cara yaitu analisis garfik dan statistik.

a. Analisis Grafik

Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke Universitas Sumatera Utara kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal. Berikut hasil uji normalitas dengan menggunakan analisis grafik. Gambar 4.1 Uji Normalitas Sumber: Lampiran iv Gambar 4.2 Uji Normalitas Sumber: Lampiran iv Universitas Sumatera Utara Dengan melihat tampilan grafik histogram, kita dapat melihat bahwa gambarnya telah berbentuk lonceng dan tidak menceng ke kiri dan ke kanan yang menunjukkan bahwa data terdistribusi secara normal. Pada grafik P-P Plot terlihat titik-titik menyebar di sepanjang garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi asumsi normalitas. b. Uji Statistik Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov dapat dilihat pada tabel 4.2. Tabel 4.2 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 72 Normal Parameters a Mean .0000000 Std. Deviation 68.82150934 Most Extreme Differences Absolute .116 Positive .116 Negative -.088 Kolmogorov-Smirnov Z .987 Asymp. Sig. 2-tailed .284 a. Test distribution is Normal. Universitas Sumatera Utara One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 72 Normal Parameters a Mean .0000000 Std. Deviation 68.82150934 Most Extreme Differences Absolute .116 Positive .116 Negative -.088 Kolmogorov-Smirnov Z .987 Asymp. Sig. 2-tailed .284 Sumber: Lampiran iv Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0.103. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan uji hipotesis karena 0.284 0,05.

2. Hasil Uji Heteroskedastisitas