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