Seringkali data keliatan normal karena mengikuti garis diagonal. Padahal belum tentu data tersebut berdistribusi normal. Untuk
memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan iji kolmogorv smirnov dengan melihat data
residualnya apakah berdistribusi normal atau tidak.
Berikut hasil output SPSSnya:
` Tabel 4.6
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 21
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 1,28012605E
9 Most
Extreme Differences
Absolute ,223
Positive ,223
Negative -,104
Kolmogorov-Smirnov Z 1,023
Asymp. Sig. 2-tailed ,246
a. Test distribution is Normal. b. Calculated from data.
Pada tabel dapat telihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,246 dan diatas nilai signifikan 0,05, dengan demikian variabel residual
berdistribusi normal.
4.6.2 Uji Multikolinieritas
Multikolinieritas adalah suatu kondisi dimana terdapat hubungan variabel independen diantara satu dengan lainnya. Dalam penelitian ini tidak terdapat multikolinieritas
Universitas Sumatera Utara
diantara variabel independen. Hal ini dapat diperoleh melalui ketentuan sebagai berikut:
1. Standard error tidak terhingga Kenyataan : Pada hasil regresi bahwa standard error masing-masing variabel
mempunyai nilai tertentu yaitu 4182,168 dan 2,859 2. Lebih banyak variabel independen yang tidak signifikan daripada yang signifikan
pada t-statistik. Kenyataan: Pada hasil regresi semua variabel independen signifikan H
1
diterima. 3. Terjadi perubahan tanda atau tidak sesuai dengan teori pada model estimasi
Kenyataan: Pada hasil regresi bahwa tanda pada model estimasi tidak mengalami perubahan atau sesuai dengan model estimasi.
4. R
2
yang sangat tinggi Kenyataan: Pada hasil regresi nilai R
2
tidak terlalu tinggi.
Multikolinieritas juga dapat dideteksi melalui nilai-nilai Eigenvalues, Conditional Index CI, VIF dan TOL. Dengan ketentuan sebagai berikut:
1. Multikolinieritas ditenggarai ada di dalam persamaan regresi bila nilai Eigenvalues mendekati nol. Jika CI berada antara nilai 10 sampai 30, maka
model mengandung multikolinieritas moderat. Persamaan Regresi mempunyai multikolinieritas yang kuat antar variabel bebasnya bila CI di atas 30.
2. Multikolinieritas tidak ada jika nilai VIF 5 dan TOL 0,1. Untuk pembuktian uji di atas, kita perhatikan output yang dikeluarkan oleh
Paket Program SPSS berikut:
Universitas Sumatera Utara
Tabel 4.7
Collinearity Diagnostics
a
Model Dimension
Eigenvalue Condition Index Variance Proportions
Constant Jumlah
Penduduk Biaya
Promosi
dimension0
1
dimension1
1 2,629
1,000 ,03
,04 ,02
2 ,285
3,036 ,28
,64 ,01
3 ,085
5,547 ,69
,32 ,97
a. Dependent Variable: Tingkat Penjualan
Pertama-tama perhatikan Tabel 4.7 Collinearity Diagnostics
a
pada kolom Dimension,
yang perlu dilihat adalah kode „2‟ yang merupakan nilai Eigenvalue untuk variabel bebas Jumlah Penduduk dan k
ode ‟3‟ untuk Biaya Promosi. Terlihat bahwa kedua variabel bebas tersebut mempunyai nilai Eigenvalue yang mendekati nol. Artinya,
terdapat multikolinieritas antara Jumlah Penduduk dan Biaya Promosi. Akan tetapi bila dilihat nilai CI- nya, ternyata relatif kecil atau di bawah 10.
Untuk itu, maka kita perhatikan nilai VIF dan TOL- nya, sebagaimana tersaji
dalam tabel 4.8 Coefficients
a
. Tabel 4.8
Koefisien
Model Collinearity Statistics
Tolerance VIF
1 Constant
Jumlah Penduduk ,636
1,573 Biaya Promosi
,636 1,573
a. Dependent Variable: Tingkat Penjualan
Terlihat bahwa untuk regresi berganda dengan dua variabel bebas, baik nilai
TOL maupun VIF untuk Jumlah Penduduk dan Biaya Promosi adalah sama. Angka Tolerance yang didapat sebesar 0,636, angka ini lebih besar dari 0,1, begitupula
dengan nilai VIF- nya sebesar 1,573, angka ini masih di bawah 5. Oleh karena itu,
Universitas Sumatera Utara
berdasarkan indikator ini, dapat disimpulkan bahwa kedua variabel bebas, yaitu Jumlah Penduduk dan Biaya Promosi tidak terdapat multikolinieritas.
4.6.3 Uji Heterokedastisitas