107
Tabel 4.63 Uji Normalitas Data Secara Statistik
One-Sample Kolmogorov-Smirnov Test
KP CP
P DS
KPM N
60 60
60 60
60 Normal
Parameters
a,b
Mean 4.0512 4.0417 3.9933 4.0567 4.0322
Std. Deviation .44929 .49362 .40999 .44811 .39532
Most Extreme Differences
Absolute .092
.120 .077
.128 .108
Positive .092
.089 .077
.117 .078
Negative -.070
-.120 -.077
-.128 -.108
Kolmogorov-Smirnov Z .715
.930 .599
.993 .834
Asymp. Sig. 2-tailed .685
.352 .866
.277 .489
a. Test distribution is Normal. b. Calculated from data.
Sumber: data primer yang diolah Berdasarkan uji kolmogorov-smirnov dapat diketahui bahwa
seluruh variabel memiliki nilai sig. 0,05, ini mengartikan bahwa semua data terdistribusi dengan normal.
b. Hasil Uji Multikolinearitas
Uji multikolinearitas diperlukan untuk mengetahui ada tidaknya variabel
independen yang
memiliki kemiripan
dengan variabel
independen lain dalam satu model atau terdapat hubungan yang kuat diantara variabel independen di dalam model.
Tabel 4.64 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
KP .669
1.495 CP
.506 1.977
P .491
2.035 DS
.406 2.465
a. Dependent Variable: KPM
Sumber: data primer yang diolah
108 Berdasarkan pada tabel terlihat bahwa nilai Tolerance tidak
kurang dari 0,1 dan nilai Varian Inflation Factor VIF tidak lebih dari 10, analisis ini dapat disimpulkan bahwa model regresi linier berganda
terbebas dari asumsi klasik statistik dan dapat digunakan dalam penelitian Ghozali, 2009: 96.
c. Hasil Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 sebelumnya.
Tabel 4.65 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted
R Square Std. Error of
the Estimate Durbin-Watson
1 .898
a
.806 .791
.18052 2.298
a. Predictors: Constant, DS, KP, CP, P b. Dependent Variable: KPM
Sumber: data primer yang diolah Pada tabel di atas diketahui nilai Durbin Watson d sebesar 2,298
nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5, berdasarkan pengukuran autokorelasi menuyatakan
bahwa nilai durbin Watson antara 1,55 sampai 2,46 tidak terjadi autokorelasi, maka berdasarkan hasil penelitian memiliki nilai 2,298,
maka dapat disimpulkan tidak ada autokorelasi baik positif maupun negatif.
109
d. Uji Heteroskedastisitas
Uji heteroksiditas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
satu pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika
berbeda disebut heteroksiditas. Model regresi yang baik adalah yang homoskedastisitas
atau jika
terjadi heteroskedastisitas
Ghozali, 2009:125, maka hasil Scatterplot dapat dilihat pada gambar berikut:
Gambar 4.2 Hasil Uji Heteroskedastisitas
Sumber: data primer yang diolah Pada gambar di atas terlihat bahwa titik-titik menyebar di atas dan
di bawah angka nol pada sumbu Y dan tidak terlihat pola tertentu. Dengan demikian pada persamaan regresi linier berganda dalam model
ini tidak ada gejala atau tidak terjadi heteroskedastisitas sehingga ini disebut homoskedastisitas.
110
5. Hasil Uji Analisis Regresi Linier Berganda