1. berdistribusi normal, 2. non-multikolinearitas, artinya antara variabel independen
dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna,
3. non-autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi,
4. homoskedasitas, artinya variance variabel independen dari satu pengamatan ke pengamatan yang lain adalah konstan
atau sama. Pengujian asumsi klasik yang dilakukan dalam penelitian ini
terdiri dari uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
4.1.2.1 Uji Normalitas Data
Tujuan uji normalitas adalah untuk mengetahui apakah dalam suatu model regresi, variabel pengganggu
atau residual memiliki distribusi normal. Terdapat dua cara untuk mendeteksi apakah residual berdistribusi normal atau
tidak, yakni dengan melakukan analisis statistik dan analisis grafik.
1. Analisis Statistik
Uji statistik yang digunakan dalam penelitian ini adalah uji Kolmogorov-Smirnov K-S dengan melihat
apakah data residualnya berdistribusi normal atau tidak untuk memastikan apakah data di sepanjang garis
diagonal berdistribusi normal. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi
Universitas Sumatera Utara
normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data tersebut tidak normal. Hasil uji
Kolmogorov-Smirnov dapat dilihat pada tabel 4.3 berikut ini.
Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov yang terdapat dalam tabel 4.3 di
atas, dapat dilihat bahwa Asymp. Sig. 2-tailed sebesar 0,000 0,05 yang menandakan bahwa data tidak
terdistribusi normal. Setelah dilakukan trimming maka distribusi data menjadi normal seperti yang ditunjukkan
pada tabel 4.4 berikut.
Tabel 4.3 One-Sample Kolmogorov-Smirnov Test 1
Unstandardized Residual
N 81
Normal Parameters Mean
a,b
.0000000 Std. Deviation
39.07209420 Most Extreme Differences
Absolute .439
Positive .439
Negative -.416
Kolmogorov-Smirnov Z 3.954
Asymp. Sig. 2-tailed .000
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 2014
Universitas Sumatera Utara
Tabel 4.4 One-Sample Kolmogorov-Smirnov Test 2
Unstandardized Residual
N 76
Normal Parameters Mean
a,b
.0000000 Std. Deviation
.61687076 Most Extreme Differences
Absolute .122
Positive .122
Negative -.079
Kolmogorov-Smirnov Z 1.067
Asymp. Sig. 2-tailed .205
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 2014 Dari hasil pengolahan data tersebut, dapat dilihat
bahwa Asymp. Sig. 2-tailed sebesar 0,205 yang menunjukkan bahwa data terdistribusi normal karena
nilai signifikansinya 0,205 0,05.
2. Analisis Grafik
Uji normalitas selanjutnya dilakukan dengan analisis grafik melalui grafik histogram dan normal
probability plot. Pada grafik histogram, data yang mendekati distribusi normal adalah distribusi data yang
berbentuk seperti gunung dengan kaki gunung yang simetris baik kanan maupun kiri. Sementara pada grafik
normal probability plot normal P-P Plot, sebuah data dinyatakan berdistribusi normal apabila titik-titik
Universitas Sumatera Utara
datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Berikut hasil uji normalitas dengan menggunakan analisis grafik.
Gambar 4.1 Grafik Histogram
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-P Plot
Dari grafik histogram di atas, terlihat bahwa distribusi data simetris pada bagian kiri dan kanan.
Sementara pada grafik normal P-P Plot, terlihat bahwa titik-titik menyebar di sekitar garis diagonal. Dengan
demikian, maka dapat disimpulkan bahwa pola distribusi data adalah normal.
4.1.2.2 Uji Multikolinearitas
