Hasil Uji Asumsi Klasik 1.Hasil Uji Normalitas

4.1.5. Hasil Uji Asumsi Klasik 4.1.5.1.Hasil Uji Normalitas Pengujian normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual berdistribusi normal atau tidak, dalam hal ini dapat dilihat dengan menggunakan normal histogram dan p-plot. Data dalam keadaan normal apabila distribusi data normal yang tidak condong ke kiri dan ke kanan histogram. Selain dengan metode grafik juga dapat digunakan analisis statistik dengan menggunakan pendekatan Kolmogorov-Smirnov. Hasil pengujian normalitas dengan menggunakan analisis grafik dilihat pada Gambar 4.1 dan 4.2 sebagai berikut: Sumber: Hasil Pengolahan Data Primer Kuesioner dengan SPSS, 2011 Gambar 4.1. Uji Normalitas Histogram Berdasarkan grafik Gambar 4.1 dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas dan sebaliknya jika data menyebar jauh dari Universitas Sumatera Utara garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi data normal yang tidak condong ke kanan maupun ke kiri. Jadi, berarti data residual berdistribusi normal. Sumber: Hasil Pengolahan Data Primer Kuesioner dengan SPSS, 2011 Gambar 4.2. Uji Normalitas P.P Plot Berdasarkan Gambar 4.2 dapat dilihat bahwa penyebaran data berada pada sekitar garis diagonal yang mengikuti garis arah diagonal, maka nilai residual tersandarisasi, dengan demikian maka model regresi hipotesis pertama tersebut memenuhi asumsi normalitas. Analisis statistik dengan menggunakan uji Kolmogorov . Smirnov K-S, seperti terlihat pada Tabel 4.11 berikut ini: Universitas Sumatera Utara Tabel 4.11. Uji Kolmogorov . Smirnov K-S Unstandardized Residual N 46 Normal Parameters a,b Mean 0,0000000 Std. Deviation 3,24760754 Most Extreme Differences Absolute ,077 Positive ,077 Negative -,073 Kolmogorov-Smirnov Z ,523 Asymp. Sig. 2-tailed ,947 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengolahan Data Primer Kuesioner dengan SPSS, 2011 Berdasarkan Tabel 4.11 di atas diketahui besarnya nilai Asymp. Sig. 2 tailed adalah 0,947 dan di atas nilai signifikan 0,05. Hal ini berarti data residual berdistribusi normal atau model telah memenuhi asumsi normalitas. 4.1.5.2.Hasil Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Jika terjadi korelasi, maka terdapat masalah multikolinearitas. Pada model regresi yang baik tidak terjadi korelasi di antara variabel bebas. Hasil pengujian multikolinearitas data dalam penelitian ini dapat dilihat pada Tabel 4.12 berikut: Universitas Sumatera Utara Tabel 4.12. Hasil Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 Constant X 1 0,960 pengetahuan 1,041 X 2 0,969 Keterampilan 1,032 X 3 0,981 Sikap 1,019 X 4 0,968 motivasi 1,033 a. Dependent Variabel: Y Sumber: Hasil Pengolahan Data Primer Kuesioner dengan SPSS, 2011 Pada Tabel 4.12 di atas terlihat bahwa keempat variabel bebas yaitu: variabel X 1 pengetahuan, X 2 keterampilan, X 3 sikap dan X 4 4.1.5.3.Hasil Uji Heteroskedastisitas motivasi, angka Variance Inflation Factor VIF 10, sedangkan nilai Tolerance 0,1, dengan demikian dapat disimpulkan bahwa pada model regresi tersebut tidak terdapat multikolinearitas. Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi, terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika variasi residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model yang baik adalah tidak terjadi heteroskedastisitas. Hasil pengujian heteroskedastisitas data dalam penelitian ini menggunakan alat bantu SPSS dengan mengamati pola yang terdapat pada Scatterplots, hasilnya dapat dilihat pada Gambar 4.3 berikut ini: Universitas Sumatera Utara Sumber: Hasil Pengolahan Data Primer Kuesioner dengan SPSS, 2011 Gambar 4.3. Hasil Uji Heteroskedastisitas Pada Gambar 4.3 terlihat bahwa titik-titik menyebar secara acak random serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai. Adapun uji statistik yang digunakan untuk mendeteksi ada tidaknya heteroskedastisitas adalah uji Glesjer. Tabel 4.13. Hasil Uji Glesjer Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -3,428 3,767 -,910 ,368 X1 ,239 ,105 ,337 2,264 ,029 X2 -,026 ,084 -,045 -,307 ,761 X3 ,069 ,089 ,114 ,772 ,444 X4 ,015 ,084 ,026 ,176 ,861 a. Dependent Variable: abresid Sumber: Hasil Pengolahan Data Primer Kuesioner dengan SPSS, 2011 Berdasarkan Tabel 4.13 di atas menunjukkan bahwa tidak ada satupun variabel bebas yang signifikan secara statistik mempengaruhi variabel terikat. Hal ini Universitas Sumatera Utara terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas. Hal ini konsisten dengan hasil uji Scatter Plots. 4.1.6. Pengujian Hipotesis 4.1.6.1.Persamaan Regresi Berganda