timbul dari spesifikasi yang tidak benar dari model yang digunakan dalam analisis Situmorang et all., 2010:138.
Berdasarkan hal di atas, maka peneliti mengeluarkan variabel DER, sehingga variabel bebas yang akan diteliti selanjutnya dalam penelitian ini adalah
DAR dan LDER.
1. Uji Asumsi Klasik
Model regresi linear berganda dapat disebut sebagai model yang baik jika model tersebut telah memenuhi uji asumsi klasik yang terdiri dari uji normalitas,
uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
a. Uji Normalitas
Uji normalitas adalah uji yang digunakan untuk mengetahui apakah distibusi sebuah data mengikuti atau mendekati distribusi normal yakni distribusi
data dengan bentuk seperti lonceng. Data yang baik adalah data yang berdistribusi normal yang mempunyai pola yang tidak menceng ke kanan atau ke kiri. Uji ini
dilakukan melalui pendekatan grafik dan pendekatan kolmogorv-smirnov. a.
Analisis Grafik Histogram Data yang baik adalah data yang mempunyai pola seperti distribusi normal
yaitu tidak menceng ke kiri atau ke kanan. Pada grafik dibawah ini dapat dilihat bahwa pola berdistribusi normal yaitu tidak menceng ke kiri dan ke kanan. Namun
ketika dilakukan uji melalui grafik normalitas Normal P-P Plot dan Uji kolmogorv-smirnov terlihat bahwa data tidak berdistribusi normal. Hasil uji
Universitas Sumatera Utara
Normal P-Plot dan kolmogorv-smirnov dapat dilihat pada Grafik dan tabel di bawah ini.
b. Pendekatan Grafik
Uji normalitas dilakukan dengan menggunakan Plot Probability Normal
P-P Plot. PP plot akan membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai-nilai yang didapat dari sampel sumbu y. Apabila plot dari
keduanya berbentuk linier dapat didekati oleh garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal. Seringkali ditemui
bahwa ujung-ujung plot pada pp plot agak menyimpang dari garis lurus. Bila pola-pola titik yang terletak selain di ujung-ujung plot masih berbentuk linier,
Universitas Sumatera Utara
meskipun ujung-ujung plot agak menyimpang dari garis lurus, maka dapat disimpulkan bahwa sebaran data adalah menyebar normal.
Dari grafik normal P-Plot di atas dapat dilihat bahwa data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal.
c. Pendekatan Kolmogorv-Smirnov
Pendekatan Kolmogorv-Smirnov dilakukan untuk menjelaskan hasil pengujian hipotesis apakah sebuah distribusi data dapat dikatakan normal
ataukah tidak. Untuk mendapatkan tingkat uji normalitas yang lebih
Universitas Sumatera Utara
signifikan dan memastikan data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorv-smirnov 1-sample KS dengan melihat
data residualnya apakah berdistribusi normal atau tidak. Pedoman pengambilan keputusannya adalah sebagai berikut:
a. Nilai signifikansi atau probabilitas Sig. 0,05; maka data berdistribusi normal simetris.
b. Nilai signifikansi atau probabilitas Sig. 0,05; maka data tidak berdistribusi normal tidak simetris.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 65
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.17473122E2
Most Extreme Differences Absolute
.177 Positive
.177 Negative
-.103 Kolmogorov-Smirnov Z
1.426 Asymp. Sig. 2-tailed
.034 a. Test distribution is Normal.
b. Calculated from data.
Dari hasil uji kolmogorv-smirnov diperoleh nilai Asymp. Sig. 2-tailed adalah 0,034 dan dibawah nilai signifikansi 0,05 sehingga dapat disimpulkan
bahwa data tidak berdistribusi normal.
Universitas Sumatera Utara
Ada beberapa cara yang dapat dilakukan jika data menyebar secara tidak normal, salah satu caranya dengan melakukan transformasi data, misalnya
mengubah data menjadi bentuk logaritma natural Ln. untuk itu penulis mengubah data menjadi bentuk logaritma natural Ln dan melakukan uji
normalitas kembali. a.
Analisis Grafik Histogram
Gambar 4.1 Histogram Dependent Variable Sumber : Hasil Pengolahan SPSS, 2011
Dari gambar 4.1 diatas dapat dilihat bahwa pola berdistribusi normal yaitu tidak menceng ke kiri dan ke kanan. Selanjutnya dilakukan uji normal P-Plot
dengan melihat penyebaran data titik pada garis diagonal dari grafik normalitas Normal P-Plot. Jika data menyebar di sekitar garis diagonal maka dapat
disimpulkan bahwa data berdistribusi normal. Hasil dari uji grafik normalitas Normal P-Plot dapat dilihat pada grafik di bawah ini :
Universitas Sumatera Utara
b. Pendekatan Grafik
Gambar 4.2 Normal P-Plot Sumber : Hasil pengolahan SPSS, 2011
Dari grafik diatas dapat dilihat bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya
menunjukkan pola distribusi normal, sehingga dapat disimpulkan bahwa data berdistribusi normal.
Universitas Sumatera Utara
c. Pendekatan Kolmogorv-Smirnov
Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorv-smirnov 1 Sample KS, dan hasil uji
kolmogorv-smirnov dapat dilihat pada table di bawah ini :
Tabel 4.7
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 60
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.84443527
Most Extreme Differences Absolute
.086 Positive
.060 Negative
-.086 Kolmogorov-Smirnov Z
.668 Asymp. Sig. 2-tailed
.763 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil pengolahan SPSS, 2011
Pada tabel 4.6 diatas terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,763 dan di atas nilai signifikan 0,05, sehingga dapat disimpulkan bahwa data
berdistribusi normal.
d. Uji Heteroskedastisitas
