peneliti normal. Namun untuk lebih memastikan bahwa di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov K-S.
c. Pendekatan Kolmogorov-Smirnov
Tabel. 4.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 116
Normal Parameters
a
Mean .0000000
Std. Deviation 2.17038372
Most Extreme Differences Absolute
.122 Positive
.122 Negative
-.085 Kolmogorov-Smirnov Z
1.314 Asymp. Sig. 2-tailed
.163 a. Test distribution is Normal.
Sumber :Hasil pengolahan SPSS 2016
Pada Tabel 4.8 menunjukkan bahwa nilai Asymp. Sig. 2-tailed adalah 0.163 dan diatas nilai signifikan 0,05 atau 5, sehingga dapat disimpulkan
bahwa variabel residual berdistribusi normal.
4.4.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk mendeteksi ada atau tidaknnya gejala multikolinearitas pada data dapat dilakukan dengan melihat nilai tolerance
value dan Varians Inflation factor VIF. Dengan kriteria sebagai berikut : 1. Apabila VIF 5 maka diduga mempunyai persoalan Multikolinearitas.
2. Apabila VIF dari 5 maka tidak terdapat Multikolinearitas.
Universitas Sumatera Utara
3. Apabila tolerance
0,1 maka diduga mempunyai persoalan
Multikolinearitas. 4. Apabila tolerance 0,1 maka tidak terdapat multikolinearitas.
Tabel 4.9 Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
14.398 1.993
7.223 .000
Pengetahuan kewiraushaan
.142 .079
.677 2.802
.024 .779
1.284 Kemandirian
Pribadi .465
.102 .445
4.541 .000
.779 1.284
a. Dependent Variable: Minat Berwirausaha
Sumber :Hasil pengolahan SPSS 2016
Pada Tabel 4.9 terlihat bahwa nilai tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel bebas adalah
lebih kecil dari nilai ketetapan 5. Oleh karna itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas.
4.4.3 Uji Heteroskedastisitas
Tujuan uji heteroskedastisitas adalah untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual antara satu
pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Ada beberapa cara untuk mendekati ada atau tidaknya heteroskedastisitas yaitu :
a. Pendekatan Grafik
Sumber :Hasil pengolahan SPSS 2016
Gambar 4.3 Scatterplot Heteroskedastisitas
Berdasarkan gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi layak dipakai untuk memprediksi minat berwirausaha berdasarkan masukan
variabel pengetahuan kewiraushaan dan kemandirian pribadi.
Universitas Sumatera Utara
b. Uji Glesjer
Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen.Jika variabel independen signifikan secara statistik
mempengaruhi variabel dependen maka ada indikasi terjadi heteroskedastisitas.
Tabel 4.10 Hasil Uji Glejser heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.197
1.280 .935
.352 Pengetahuan kewiraushaan
.041 .050
.087 .821
.413 Kemandirian Pribadi
-.026 .066
-.042 -.392
.696 a. Dependent Variable: Absut
Sumber :Hasil pengolahan SPSS 2016
Pada Tabel 4.10 terlihat variabel independen Pengetahuan Kewirausahaan dan Kemandirian pribadi yang tidak signifikan secara statistik mempengaruhi
variabel dependen absolute Ut absUt. Hal ini terlihat dari probabilitas pengetahuaan kewirausahaan 0.413 dan kemandirian pribadi 0,696 diatas
tingkat signifikansi 5 0.05, jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
4.5 Analisis Regresi Linear Berganda