c. non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi,
d. homoskedasitas, artinya variance variabel independen dari satu pengamatan kepengamatan yang lain adalah konstan atau sama.
4.2.2.1 Uji normalitas
Uji normalitas akan dideteksi melalui dua cara, yaitu analisis grafik Histogram dan Normal Prbability Plots dan analisis statisik
Non-Parametrik Kolmogorov-Smirnov. Uji ini bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel
bebas, keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau
mendekati normal. Uji normalitas dengan menggunakan analisis grafik yaitu melihat secara histogram dan Normal Probability Plots
sebagaimana terlihat dalam gambar di bawah ini:
Sumber : output SPSS, diolah Peneliti,2013
Gambar 4.1 Uji Normalitas data 1
Universitas Sumatera Utara
Sumber : output SPSS, diolah Peneliti,2013
Gambar 4.2 Uji Normalitas data 2
Dengan melihat tampilan grafik histogram pada gambar 4.1 diatas kita dapat melihat bahwa gambar grafik berbentuk lonceng dan
menceng ke kanan yang menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot pada gambar 4.2 diatas terlihat
titik-titik tidak menyebar di sepanjang garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi asumsi
normalitas. Pengujian normalitas data dengan hanya melihat grafik tidak
cukup, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan
apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov dengan melihat data residualnya
Universitas Sumatera Utara
apakah berdistribusi normal atau tidak. Jika nilai signifikansinya 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya
0,05 maka distribusi data adalah tidak normal. Pengujian normalitas dengan metode statistik ini dapat dilihat pada tabel 4.2 sebagai
berikut:
Tabel 4.2 Uji Normalitas data 3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 99
Normal Parameters
a,,b
Mean ,0000000
Std. Deviation 1,42994106
Most Extreme Differences Absolute
,317 Positive
,317 Negative
-,231 Kolmogorov-Smirnov Z
1,821 Asymp. Sig. 2-tailed
,003 a. Test distribution is Normal.
b. Calculated from data.
Sumber : output SPSS, diolah Peneliti,2013
Uji normalitas dengan menggunakan analisis statistik yaitu melihat secara One-Sample Kolmogorov-Smirnov. Berdasarkan hasil
uji statistik pada tabel One-Sample Kolmogorov-Smirnov tersebut dapat terlihat bahwa data tidak terdistribusi dengan normal, karena
Asymp. Sig. 2-tailed pada tabel tersebut 0,003 0,05. Maka, peneliti akan melakukan treatment atau perbaikan pada data tersebut agar
dapat memenuhi Uji Normalitas. Menurut Syafrizal et.al 2008 : 62 ada beberapa cara mengubah model regresi menjadi normal yaitu:
Universitas Sumatera Utara
1. lakukan transformasi data, misalnya mengubah data menjadi bentuk logaritma Log atau natural Ln.
2. menambah jumlah data. 3. menghilangkan data yang dianggap sebagai penyebab tidak
normalnya data. 4. menerima data apa adanya.
Maka, guna memenuhi uji normalitas peneliti akan mentransformasikan data penelitian ini kedalam bentuk Logaritma
Log, kemudian data diuji ulang dengan menggunakan uji normalitas. Hasil uji normalitas setelah dilakukan transformasi data yang tidak
normal tersebut dapat dilihat pada grafik histogram, normal probability plot, dan tabel Kolmogorov-Smirnov Test berikut ini:
Sumber : output SPSS, diolah Peneliti,2013
Gambar 4.3 Uji Normalitas Data 4
Universitas Sumatera Utara
Apabila dilihat dari tampilan grafik histogram, distribusi data membentuk lonceng bell-shaped, tidak condong ke kiri maupun
condong ke kanan, sehingga data dengan pola seperti ini memiliki distribusi normal. Jika kesimpulan normal atau tidaknya data hanya
dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang
digunakan dalam analisis grafik adalah dengan melihat normal probability plot. Jika distribusi data residual normal, maka garis yang
akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat Normal Probability Plot
dapat dilihat pada gambar berikut:
Sumber : output SPSS, diolah Peneliti,2013
Gambar 4.4 Uji Normalitas data 5
Universitas Sumatera Utara
Menurut Ghozali 2005:112 pendeteksian normalitas dapat dilakukan dengan 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 data
yang telah terdistribusi normal. Tampilan grafik Normal P-Plot menunjukkan bahwa data menyebar di sekitar garis diagonal dan
mengikuti garis arah diagonal, maka persyaratan normalitas telah terpenuhi.
Tabel 4.3 Uji Normalitas data 6
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 69
Normal Parameters
a,,b
Mean ,0000000
Std. Deviation ,39543558
Most Extreme Differences
Absolute ,128
Positive ,128
Negative -,079
Kolmogorov-Smirnov Z 1,065
Asymp. Sig. 2-tailed ,207
a. Test distribution is Normal. b. Calculated from data.
Sumber : output SPSS, diolah Peneliti,2013
Bedasarkan hasil Uji Normalitas data yang telah ditransformasi ke dalam bentuk logaritma, maka hasil yang di
dapatkan adalah data telah terdistribusi secara normal dan dapat digunakan untuk melakukan uji hipotesis.
Hal tersebut dapat diketahui dengan melihat Asymp. Sig 2- Tailed 0,05, yaitu sebesar 0,207
Universitas Sumatera Utara
4.2.2.2. Uji Multikolineritas
