4.4 Uji Asumsi Klasik
4.4.1 Uji Normalitas
Uji Normalitas digunakan untuk melihat normalitas model regresi. Berdasarkan table uji One-Sample Kolmogorov-Smirnov :
TABEL 4.5 UJI NORMALITAS
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,36389913
Most Extreme Differences Absolute
,087 Positive
,087 Negative
-,064 Kolmogorov-Smirnov Z
,479 Asymp. Sig. 2-tailed
,976 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan besarnya nilai Kolgomorov-Smirnov yaitu 0.479 dan
signifikan yaitu 0,976 yang lebih besar dari tingkat signifikan 0,05. Hal ini berarti bahwa data residual terdistribusi secara normal. Hal ini juga didukung dengan
grafik dimana data mengikuti garis diagonal. Grafik uji normalitas dapat dilihat pada gambar berikut ini:
Gambar 4.1 Grafik Histogram
Sumber: Data Primer, diolah 2015. Untuk lebih memperjelas tentang sebaran data dalam penelitian ini maka
akan disajikan dalam grafik histogram dan grafik normal P-plot . Dimana dasar pengambilan keputusan menurut Ghozali 2006 yaitu :
a. Jika sumbu menyebar sekitar garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas. b. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Gambar 4.2 Grafik Normal
Sumber: Data Primer, diolah 2015
Dengan melihat tampilan grafik histogram maupun grafik normal P-Plot diatas dapat disimpulkan bahwa grafik histogram memberikan pola distribusi
yang mendekati normal. Sedangkan pada grafik normal P-Plot terlihat titik-titik menyebar disekitar garis diagonal, serta arah penyebarannya mengikuti arah garis
diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi layak dipakai karena memenuhi asumsi normalitas.
4.4.2 Uji Multikolinieritas