Uji Normalitas Data Uji Multikolinearitas Uji Autokorelasi Uji Heterokedastisitas

3.4.2.1 Uji Normalitas Data

Asumsi normalitas merupakan prasyarat kebanyakan prosedur statistik inferial. Ada beberapa cara untuk mengeksplorasi asumsi normalitas antara lain yaitu uji normalitas Shaviro – Wilk dan uji normalitas Lilliefors Kolmogorov- Smirnov yang terdapat dalam prosedur SPSS versi 12 Uyanto, 2006 : 35. Menurut Sekestiyarno 2006 : 12, variabel yang diuji normalitasnya adalah variabel terikat dependent dalam hal ini hasil belajar. Sedangkan variabel bebas independent tidak perlu diuji karena bukan merupakan fungsi distribusi. Jika data penelitian itu dalam keadaan normal maka mean, median dan modus data itu akan memusat satu garis kerja. Persamaan statistik yang digunakan untuk uji normalitas adalah sebagai berikut: k k X X Z s − = Uyanto, 2006 : 48. S = Simpangan baku atau standar deviasi H : Data berasal dari populasi terdistribusi normal H 1 : Data tidak berasal dari populasi terdistribusi normal.

3.4.2.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model pada regresi ditemukan adanya korelasi antar variabel bebas. Menurut Sukestiyarno 2006 : 13 model regresi yang baik seharusnya tidak terjadi korelasi yang tinggi antar variabel bebas. Untuk mendeteksi adanya gejala multikolinearitas dapat dilihat pada diagram Varian Inflasi Factor VIF. Multikolinearitas terjadi jika nilai VIF lebih dari 10 dan nilai tolerance di atas 1.

3.4.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara error satu dengan error yang lainnya. Untuk mendeteksi adanya gejala autokorelasi dengan menggunakan uji Durbin – Watson DW. Ketentuan jika -2 DW ≤ ≥ 2 maka tidak terjadi autokorelasi.

3.4.2.4 Uji Heterokedastisitas

Menurut Uyanto 2006 : 40, heterokedastisitas muncul apabila error atau residual dari model yang diamati tidak memiliki varian yang konstan dari satu observasi ke observasi lainnya. Untuk melihat adanya heterokedastisitas dapat dilihat dari diagram residual terhadap variabel bebas. Jika nilai error membentuk pola tertentu yang tidak bersifat acak terhadap nol maka dikatakan terjadi heterokedastisitas. Sedangkan persamaan regresi linier ganda adalah sebagai berikut: Y = a + bX 1 + cX 2 …….. b = 2 2 n Xi Yi Xi Yi n Xi Xi ∑ − ∑ ∑ ∑ − ∑ Arikunto, 2006 : 275 Hiptesis yang diajukan yaitu : Ho : β = 0 dimana β a b c ⎧ ⎫ ⎪ ⎪ ⎨ ⎬ ⎪ ⎪ ⎩ ⎭ ,persamaan regresi adalah tidak linier H 1 : β ≠ 0 persamaan regresi adalah linier

3.5 Waktu dan Kegiatan Penelitian