yang berbasis ordinary least square OLS sehingga wajib menggunakan uji asumsi klasik karena variabel menggunakan interval. Pengujian asumsi
klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas, gejala
multikolinearitas, dan data harus berdistribusi normal. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi
persyaratan BLUE best linear unbiased estimator yakni data berdistribusi normal, tidak terdapat multikolinearitas, tidak terdapat heteroskedastistas.
Jika terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari variabel, sehingga tingkat signifikansi
koefisien regresi menjadi rendah. Jika terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat menyebabkan biasnya standar error.
Oleh karena itu, uji asumsi klasik perlu dilakukan http:jurnal-
sdm.blogspot.com.
4.1.3.1 Uji Normalitas
Salah satu syarat yang harus dipenuhi dalam analisis regresi adalah data dan model regresi berdistribusi normal. Kenormalan data ini juga dapat
dilihat dari grafik P.Plot. Apabila grafik yang diperoleh dari output SPSS 16 for windows ternyata memberikan pola distribusi normal, dapat disimpulkan
bahwa model regresi berdistribusi normal. Lebih jelasnya hasil uji normalitas bisa dilihat pada gambar dan tabel dibawah ini:
Gambar 4.5 P-Plot pengujian normalitas model regresi
Pada grafik P-Plot dapat disimpulkan bahwa terlihat titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menuju pola
distribusi normal, sehingga dapat disimpulkan bahwa variabel terikat dan variabel bebas keduanya memiliki distribusi normal, maka model regresi
memenuhi asumsi normalitas. Uji lain yang digunakan untuk mengetahui apakah data yang diperoleh berdistribusi normal atau tidak adalah dengan
menggunakan kolmogorov-Smirnov. Apabila signifikansi yang diperoleh 0,05 maka data berdistribusi normal. Dari perhitungan dengan menggunakan
bantuan program SPSSfor windows release 16.00 diperoleh hasil sebagai berikut:
Tabel 4.18 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 90
Normal Parameters
a
Mean .0000000
Std. Deviation 2.44321615
Most Extreme Differences
Absolute .074
Positive .074
Negative -.055
Kolmogorov-Smirnov Z .698
Asymp. Sig. 2-tailed .715
a. Test distribution is Normal.
Sumber: Data penelitian diolah tahun 2011 Dari tabel diperoleh besarnya nilai Kolmogorov-Smirnov adalah 0,698
dan nilai signifikan = 0,715 = 71,5 5 , maka H diterima yang berarti
data residual terdistribusi normal.
4.1.3.2 Uji Multikolinieritas
Syarat berlakunya model regresi ganda adalah antara variabel bebasnya tidak memiliki hubungan sempurna atau tidak mengandung
multikolinieritas. Pengujian multikolinieritas ini dapat dilihat dari nilai Variance Inflation Factor VIF. Antara variabel bebas dikatakan
multikolinieritas apabila toleransinyadi atas 0,1 dan VIF 10. Hasil pengujian multikolinieritas selengkapnya dapat dilihat pada tabel berikut ini
