46
4.2.3 Uji Asumsi Klasik terhadap Model Regresi
• Berdistribusi normal, • Non-multikolinearitas, artinya antara variabel independen dalam
model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna,
• Non-autokolerasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi,
• Homoskedasitas, artinya variance variabel independen dari satu pengamatan ke pengamatan yang lain adalah konstan atau sama.
4.2.3.1 Normalitas
Uji normalitas berguna untuk melihat apakah data telah terdistribusi normal atau tidak. Hasil pengujian normalitas dapat
dilihat pada Tabel 4.4, Gambar 4.5, Gambar 4.6 Uji normalitas dilakukan dengan model Kolmogorov Smirnov. Menurut Ghozali
2005:115 memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji
Kolmogorov Smirnov yang dapat dilihat dari: a. nilai sig. atau signifikan 0.05, maka distribusi data adalah
tidak normal. b. Nilai sig. atau signifikan 0.05, maka distribusi data
adalah normal.
47
Tabel 4.4 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 65
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 4.91367657
Most Extreme Differences Absolute
.059 Positive
.059 Negative
-.049 Kolmogorov-Smirnov Z
.476 Asymp. Sig. 2-tailed
.977 a. Test distribution is Normal.
b. Calculated from data.
48
Gambar 4.5 Histogram Uji Normalitas
49
Gambar 4.6 Grafik Plot Uji Normalitas
Sumber : hasil pengolahan data menggunakan program spss
Berdasarkan hasil uji statistik dengan One-Sample Kolmogorov-Smirnov Test pada Tabel 4.4 tersebut dapat terlihat
bahwa data terdistribusi dengan normal. Hal tersebut dapat diketahui dengan melihat Asymp. Sig 2-Tailed 0.05, yaitu
sebesar 0.977. Selain itu data yang telah terdistribusi normal dapat kita ketahui dengan melihat Histogram pada Gambar 4.5, grafik
histogram pada uji normalitas di atas dapat terlihat bahwa data
50 terdistribusi mengikuti garis diagonal yang tidak menceng
Skewness ke kiri maupun ke kanan. Data yang telah terdistribusi normal juga bisa diketahui dengan melihat grafik plot yang
ditunjukkan pada Gambar 4.6. menurut Ghozali 2005:112 pendeteksian normalitas dapat dilakukan dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Pada gambar tersebut dapat terlihat bahwa penyebaran
data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, oleh sebab itu dapat diketahui bahwa data telah
terdistribusi dengan normal.
4.2.3.2 Gejala Heteroskedastisitas
Kategori