Uji Normalitas Uji Asumsi Klasik

4.3 Uji Asumsi Klasik

4.3.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Sumber: Diolah oleh penulis 2016 Gambar 4.1 Histogram Regresi Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Setelah melakukan uji normalitas dengan mengunakan software SPSS 22 diketahui bahwa model regresi penelitian ini berdistribusi secara normal hal ini dapat Universitas Sumatera Utara disimpulkan melalui tampilan grafik histogram gambar 4.1, data distribusi nilai residual menunjukkan berdistribusi normal, hal ini dinyatakan pada gambar berbentuk bel yang hampir sempurna simetris. Demikian juga pada normal probability plot gambar 4.2, data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonalnya. Hal memenuhi asumsi normalitas. Sumber: Diolah oleh penulis 2016 Gambar 4.2 Normal P-Plot 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 One-Sampel K-S dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai Universitas Sumatera Utara 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. Berdasarkan output SPSS di bawah ini terlihat bahwa nilai asymp sig 2- tailed adalah 0,200 dan di atas nilai signifikan 0,05 dengan kata lain variabel residual berdistribusi normal. Tabel 4.2 Uji One-Sample Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 29 Normal Parameters a,b Mean ,0000000 Std. Deviation 1,08389593 Most Extreme Differences Absolute ,090 Positive ,090 Negative -,067 Test Statistic ,090 Asymp. Sig. 2-tailed ,200 a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction. d. This is a lower bound of the true significance. Sumber: Diolah oleh penulis 2016

4.3.2 Uji Multikolinearitas