Alvin Syahputra Ritonga : Pengaruh Modal, Potensi Keuntungan Dan Faktor Emosional Terhadap Keputusan Menjadi Pedagang Studi Pada Pedagang Buah Di Pasar Buah Berastagi, 2010.
kanan, sedangkan pada Gambar 4.2 dapat juga terlihat titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal.
b. Analisis Statistik
Uji normalitas dilakukan dengan menggunakan pendekatan
Kolmogrov Smirnov. Dengan menggunakan tingkat signifikan 5 maka jika nilai Asymp.sig. 2-tailed di atas nilai signifikan 5 artinya variabel residual
berdistribusi normal Ginting, dkk, 2008:62.
Tabel 4.5. One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 38
Normal Parametersa,b Mean
.0000000 Std. Deviation
.99482427 Most Extreme Differences
Absolute .119
Positive .101
Negative -.119
Kolmogorov-Smirnov Z .736
Asymp. Sig. 2-tailed .650
a Test distribution is Normal. b Calculated from data.
Sumber : Hasil pengolahan SPSS 2009
Pada Tabel 4.5 di atas terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,650 dan di atas nilai signifikan 0,05, dengan demikian variabel
residua l berdistribusi normal.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain pada model regresi. Jika varians dari residual
satu pengamatan ke pengamatan yang lain tetap, maka disebut
Alvin Syahputra Ritonga : Pengaruh Modal, Potensi Keuntungan Dan Faktor Emosional Terhadap Keputusan Menjadi Pedagang Studi Pada Pedagang Buah Di Pasar Buah Berastagi, 2010.
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
a. Metode Grafik
Dasar analisis adalah jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang yang ada membentuk pola tertentu yang teratur, maka mengindikasikan
telah terjadi heteroskedastisitas.
Gambar 4.3. Scatterplot Uji Heteroskedastisitas Sumber : Hasil pengolahan SPSS 2009
Pada Gambar 4.2 di atas terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas di atas maupun di bawah angka
nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada
Regression Studentized Residual
3 2
1 -1
-2 -3
Regression Standardized Predicted
Value
4 3
2 1
-1 -2
Scatterplot Dependent Variable: Keputusan
Alvin Syahputra Ritonga : Pengaruh Modal, Potensi Keuntungan Dan Faktor Emosional Terhadap Keputusan Menjadi Pedagang Studi Pada Pedagang Buah Di Pasar Buah Berastagi, 2010.
5.930 2.268
2.615 .013
-.135 .080
-.271 -1.687
.101 -.088
.090 -.155
-.980 .334
-.108 .077
-.225 -1.393
.173 Constant
Modal Potensi keuntungan
Faktor Emosional Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
model regresi, sehingga layak dipakai untuk memprediksi keputusan menjadi pedagang buah, berdasarkan masukan variabel bebasnya.
b. Uji Glejser
Glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas.
Tabel 4.6. Uji Glejser
Sumber : Hasil Pengolahan SPSS 2009
Kriteria pengambilan keputusan dengan uji Glejser sebagai berikut: a.
Jika nilai signifikansi 0,05 maka tidak mengalami gangguan heteroskedastisitas
b. Jika nilai signifikansi 0,05 maka mengalami gangguan
heteroskedastisitas Tabel 4.6 memperlihatkan bahwa tidak satupun variabel independen
yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absut. Hal ini terlihat dari probabilitas signifikansi di atas tingkat
kepercayaan 5, jadi model regresi tidak mengarah adanya heteroskedastisitas
3. Uji Autokorelasi
