57
5. Pada pernyataan kelima, sebanyak 8,6 responden menyatakan sangat setuju
bahwa Menjadi seorang wirausaha bisa menjadikan saya contoh yang baik bagi orang lain, 40 menyatakan setuju, 25,7 menyatakan kurang setuju, 25,7
menyatakan tidak setuju, dan 0 responden menyatakan sangat tidak setuju dengan pernyataan tersebut.
6. Pada pernyataan keenam, sebanyak 8,6 responden menyatakan sangat setuju
bahwa Dengan menjadi seorang wirausaha saya dapat membuka lapangan kerja, 22,9 menyatakan setuju, 37,1 menyatakan kurang setuju, 31,4
menyatakan tidak setuju, dan 0 responden menyatakan sangat tidak setuju dengan pernyataan tersebut.
7. Pada pernyataan ketujuh, sebanyak 2,9 responden menyatakan sangat setuju
bahwa Saya senang bergaul dengan orang lain, 25,7 menyatakan setuju, 31,4 menyatakan kurang setuju, 37,1 menyatakan tidak setuju, dan 2,9
responden menyatakan sangat tidak setuju dengan pernyataan tersebut. 8.
Pada pernyataan kedelapan, sebanyak 2,9 responden menyatakan sangat setuju bahwa Menjadi wirausaha meningkatkan status sosial saya, 25,7
menyatakan setuju, 31,4 menyatakan kurang setuju, 37,1 menyatakan tidak setuju, dan 2,9 responden menyatakan sangat tidak setuju dengan pernyataan
tersebut.
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas
Tujuan uji normalitas adalah ingin menguji apakah dalam model regresi distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi
58
data dengan bentuk lonceng. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau
tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorv-Smirnov. 1.
Analisis Grafik Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram, dan grafik normal p-p plot, yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal. Hasil output SPSS terlihat
seperti Gambar 4.1, dan Gambar 4.2.
Sumber: Hasil Penelitian, 2015 data diolah
Gambar 4.1 Pengujian Normalitas Histogram
Pada hasil uji normalitas histogram dapat dilihat grafik tidak melenceng ke kiri maupun ke kanan, data berbentuk kurva yang seimbang sehingga membentuk
59
gambar lonceng. Pada gambar 4.1 terlihat bahwa bentuk kurva tidak melenceng ke
kiri maupun ke kanan sehingga dapat dinyatakan normal.
Sumber: Hasil Penelitian, 2015 data diolah
Gambar 4.2 Pengujian Normalitas P-P Plot
Pada P-P plot terlihat bahwa titik-titik menyebar disekitar garis diagonal dan cenderung mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data
yang dipergunakan dalam penelitian ini memenuhi asumsi normalitas sehingga layak untuk diuji dengan model regresi.
2. Analisis Statistik
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Jika nilai sig probability lebih
besar dari 0,05 maka Ho ditolak dengan pengertian bahwa data yang dianalisis
60
berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability lebih kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis
tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorv-Smirnov K-S.
Tabel 4.7 Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 35
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.61404525
Most Extreme Differences Absolute
.105 Positive
.073 Negative
-.105 Kolmogorov-Smirnov Z
.621 Asymp. Sig. 2-tailed
.835 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2015 data diolah
Berdasarkan Tabel 4.7, terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,835, ini berarti nilainya diatas nilai signifikan 5 0.05. dengan kata lain
variabel tersebut berdistribusi normal.
4.3.2 Uji Multikolinieritas