Variabel INST memiliki nilai minimum sebesar 0.04, nilai maksimum sebesar 0.67, nilai rata-rata sebesar 0.2885, dan standar deviasi sebesar
0.17249 dengan jumlah pengamatan 81. Variabel DER memiliki nilai minimum sebesar 0.04, nilai maksimum
sebesar 2.15, nilai rata-rata sebesar 0.8400, dan standar deviasi sebesar 0.58347 dengan jumlah pengamatan 81.
4.2 Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
4.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Uji statistik yang dapat digunakan untuk menguji apakah
residual berdistribusi normal adalah uji statistik non parametrik Kolmogorov- Smirnov K-S dengan membuat hipotesis.
H0 : Data residual berdistribusi normal HA : Data residual tidak berdistribusi normal
Apabila nilai signifikansi lebih besar dari 0.05, maka H0 diterima dan sebaliknya jika nilai signifikansi lebih kecil dari 0.05, maka H0 ditolak atau HA
diterima.
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 81
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,47967213
Most Extreme Differences Absolute
,116 Positive
,116 Negative
-,052 Kolmogorov-Smirnov Z
1,045 Asymp. Sig. 2-tailed
,225
Sumber: Data diolah peneliti, 2015 Dari hasil pengolahan data pada tabel 4.2 diperoleh besarnya nilai
Kolmogorov-Smirnov adalah 1.045 dan signifikan pada 0.225. Nilai siginifikansi lebih besar dari 0.05, maka H0 diterima yang berarti data residual berdistribusi
normal. Selain dari angka siginifikansi Kolmogorov-Smirnov, distribusi data
normal dapat dilihat dari grafik histogram dan grafik normal p-plot. Berikut grafik histrogram dan normal p-plot:
Universitas Sumatera Utara
Sumber: Data diolah, 2015
Gambar 4.1 Histogram Sebelum Transformasi Logaritma
Sumber: Data diolah, 2015
Gambar 4.2 Grafik Normal P-Plot Sebelum Transformasi Logaritma
Universitas Sumatera Utara
Dari grafik histrogram diatas, dapat dilihat bahwa grafik berbentuk lonceng yang simetris di tengah. Hal ini menunjukan bahwa data berdistribusi
normal. Selain dari grafik histrogram, grafik normal p-plot juga menunjukan bahwa data berdistribusi normal. Hal ini dapat dilihat dari data pada grafik yang
berjalan mengikuti garis diagonal pada grafik normal p-plot. Akibat adanya gejala multikolinearitas, peneliti menghitu logaritma
natural dari variabel MOWNS dan INST, sehingga penulis harus mencari tingkat tingkat normalitas data yang baru. Berikut tabel Kolmogorov-Smirnov, grafik
histogram, grafik normal p-plot :
Tabel 4.3 Hasil Uji Normalitas Pada Data Setelah Transformasi Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 81
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,45405379
Most Extreme Differences Absolute
,074 Positive
,074 Negative
-,050 Kolmogorov-Smirnov Z
,663 Asymp. Sig. 2-tailed
,772
Sumber: Data diolah, 2015
Universitas Sumatera Utara
Sumber: Data diolah, 2015
Gambar 4.3 Histogram Setelah Transformasi Logaritma
Sumber: Data diolah, 2015
Gambar 4.4 Grafik Normal P-Plot Setelah Transformasi Logaritma
Universitas Sumatera Utara
Angka signifikansi Kolmogorov-Smirnov tetap lebih besar dari 0,05. Hal ini menunjukan bahwa data yang baru tetap berdistribusi normal. Grafik
histogram juga menunjukan hal yang sama dilihat dari grafik yang menyerupai lonceng simetris di tengah. Begitu pula dengan grafik normal p-plot yang tetap
menunjukan bahwa data berdistribusi normal, dilihat dari data yang berjalan semakin mendekat garis diagonal.
4.2.2. Uji Multikolinearitas
