garis regresi merupakan estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi merupakan cara memahami pola hubungan antara dua
seri data atau lebih. Garis regresi adalah best jika garis itu menghasilkan error yang terkecil. Error itu sendiri adalah perbedaan antara nilai observasi
dan nilai yang diramalkan oleh garis regresi. Jika best disertai sifat unbiased, maka estimator regresi disebut efisien. Estimator regresi akan
disebut linear apabila, estimator itu merupakan fungsi linear dari sampel. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan
program statistik. Menurut Ghozali 2006 : 123, asumsi klasik yang harus dipenuhi adalah:
• Berdistibusi normal. •
Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan
secara sempurna ataupun mendekati sempurna. •
Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidaksaling berkorelasi.
• Non-Heterokedastisitas, artinya variance variabel independen
dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
1. Uji normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak
. Ghozali 2006 : 115, memberikan pedoman pengambilan keputusan
rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov
yang dapat dilihat dari: a nilai sig. atau signifikan atau probabilitas 0.05, maka distribusi data
adalah tidak normal
Universitas Sumatera Utara
b nilai sig. atau signifikan atau probabilitas 0.05, maka distribusi data adalah normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov Smirnov adalah seperti yang ditampilkan berikut ini.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parameters
a
Mean ,0000000
Std. Deviation 12,08870866
Most Extreme Differences
Absolute ,179
Positive ,179
Negative -,134
Kolmogorov-Smirnov Z 1,074
Asymp. Sig. 2-tailed ,199
a. Test distribution is Normal. Sumber : Output SPSS, diolah Penulis, 2013
Dari tabel 4.2 diatas menunjukkan bahwa hasil pengujian statistik dengan menggunakan model Kolmogorov-Smirnov menunjukkan bahwa
data telah terdistribusi secara normal. Hal tersebut dapat dilihat dari hasil Asymp. Sig. 2-tailed sebesar 0,199 yaitu lebih besar dari 0,05. Sesuai
dengan ketentuan rentang data yang telah ditentukan diatas, maka data terdistribusi normal. Berikut hasil uji normalitas dengan menggunakan
Histogram dan Plot :
Universitas Sumatera Utara
Gambar 4.1 Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2013 Dengan melihat gambar 4.1 tampilan histogram, dapat disimpulkan
bahwa grafik yang ditunjukkan dalam histogram membentuk pola yang simetris artinya pola yang tidak mencondong ke kanan maupun ke kiri. Hal
ini menunjukkan bahwa data yang diperoleh dan diolah telah terdistribusi secara normal .
Gambar 4.2 Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2013
Universitas Sumatera Utara
Menurut pendapat Ghozali 2006 : 112, “pendeteksian normalitas dapat dilakukan dengan cara melihat penyebaran data titik pada sumbu
diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan bahwa data telah
terdistribusi secara normal”. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis normal, hali ini sejalan dengan
hasil pengujian dengan menggunakan histogram yang menunjukkan bahwa data telah terdistribusi secara normal. Maka dapat disimpulkan bahwa data
secara keseluruhan telah terdistribusi secara normal.
2. Uji multikolinieritas
