90
4.2.2 Analisis Statistik 4.2.2.1 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk menguji apakah data memenuhi asumsi klasik, hal ini dilakukan untuk menghindari terjadinya estimasi yang bias,
mengingat tidak semua data dapat diterapkan regresi. Kriteria pengujian asumsi klasik yang harus di penuhi, yaitu:
4.2.2.2 Uji Normalitas
Menurut Situmorang dan Lufti 2014:114 Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi
normal, yakni distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi tersebut tidak
menceng ke kiri atau menceng ke kanan. Jika asumsi ini dilanggar maka uji statistic menjadi tidak valid. Ada dua cara untuk mendeteksi apakah data
berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan kolmogorov – smirnov.
Salah satu cara untuk melihat normalitas adala dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi
dengan distribusi yang mendekati distribusi normal.
Universitas Sumatera Utara
91 1.
Pendekatan Histogram
Sumber: Hasil Pengolahan SPSS for windows 2016 Gambar: 4.2 Pendekatan Histogram Uji Normalitas
Pada Gambar 4.2 pada grafik histogram terlihat bahwa variabel berdistribusi normal hal ini ditunjukkan oleh data tersebut tidak menceng ke kiri
atau menceng ke kanan. 2.
Pendekatan Grafik Cara lainnya melihat uji normalitas dengan pendekatan grafik. PP plot
akan membentuk plot antara nilai – nilai teoritis sumbu x melawan nilai – nilai yang didapat dari sampel sumbu y. apabila plot keduanya
Universitas Sumatera Utara
92 berbentuk linier dapat didekati oleh garis lurus, maka hal ini
merupakan indiksi bahwa residual menyebar normal.
Sumber: Hasil Pengolahan SPSS for windows 2016 Gambar 4.3 Pendekatan Grafik Uji Normalitas
Pada gambar 4.3 Normal P-P Plot terlihat titik – titik yang mengikuti data di sepanjang garis diagonal. Hal ini berarti data berdistribusi
normal.
3. Pendekatan Kolmogorov – Smirnov
Universitas Sumatera Utara
93 Menurut Situmorang dan Lufti 2014:121 mengatakan bahwa
pengambilan keputuan untuk Kolmogorov – Smirnov yaitu apabila nilai pada Asymp. Sig lebih besar dari level of significant
α=5, maka tidak mengalami gangguan distribusi normal, dan apabila nilai
pada Kolmogorov – Smirnov Z lebih kecil dari 1.97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau dengan
kata lain data dikatakan normal. Pengujian normalitas dengan pendekatan Kolmogorov – Smirnov dapat dilihat pada Tabel 4.8
berikut ini :
Tabel 4.8 Hasil Uji Normalitas Pendekatan One-Sample Kolmogorov –
Smirnov Test
Sumber : Hasil Pengolahan SPSS for Windows 2016
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
126 Normal Parameters
a,b
Mean .0000000
Std. Deviation 2.48363214
Most Extreme Differences Absolute
.058 Positive
.048 Negative
-.058 Kolmogorov-Smirnov Z
.646 Asymp. Sig. 2-tailed
.799 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
94 Berdasarkan Tabel 4.8 terlihat bahwa nilai Asymp.Sig. 2-tailed
adalah 0.799 dan diatas nilai level of significant 0.05, dengan kata lain variabel berdistribusi normal, dan nilai pada Kolmogorov –
Smirnov Z adalah 0.646 dan lebih kecil dari 1.97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric
atau dengan kata lain data dikatakan normal.
4.2.2.3 Uji Heterokedastisitas
