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