4.4 Uji Asumsi Klasik
4.4.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang diperoleh dari hasil observasi berdistribusi normal atau tidak, sehingga data tersebut dapat
digunakan atau tidak dalam model regresi. Untuk mengetahui apakah data yang diperoleh berdistribusi normal atau tidak, dapat dilakukan dengan analisis grafik
dan uji statistik. Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram dan grafik normal plot yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
Kriteria pengambilan keputusan: 1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi klasik.
2 Jika data tidak menyebar di sekitar garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik tidak menunjukkan pola distribusi normal, maka
model regresi tidak memenuhi asumsi klasik. Hasil dari output SPSS terlihat seperti Gambar 4.1 dan Gambar 4.2
Universitas Sumatera Utara
Sumber: Hasil Pengolahan SPSS
Gambar 4.1 Histogram
Pada grafik histogram diatas terlihat bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh distribusi data tidak menceng ke kiri atau menceng ke
kanan.
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS
Gambar 4.2 Normal P-P Plot of Regression Standardized Residual
Gambar 4.2 menunjukkan bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu, berdasarkan gambar 4.2maka
dapat diambil kesimpulan bahwa data berdistribusi normal. Untuk lebih memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka
dilakukan uji Kolmogorv Smirnov 1 sample KS dengan melihat data residual apakah berdistribusi normal.
Menentukan kriteria keputusan : a Jika nilai Asymp.Sig. 2-tailed 0,05 maka tidak mengalami gangguan
distribusi normal. b Jika nilai Asymp.Sig. 2-tailed 0,05 maka mengalami gangguan distribusi
normal.
Universitas Sumatera Utara
Tabel 4.15
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 129
Normal Parameters
a,b
Mean .0000000
Std. Deviation 2.69532304
Most Extreme Differences Absolute
.060 Positive
.056 Negative
-.060 Kolmogorov-Smirnov Z
.685 Asymp. Sig. 2-tailed
.736 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS
Pada Tabel 4.15 terlihat bahwa nilai Asymp.Sig. 2 tailed adalah 0,736 dan diatas nilai signifikan 0,050, dengan kata lain variabel residual berdistribusi
normal.
4.4.2 Uji Heteroskedastisitas
Heterosdekastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heteroskedastisitas terjadi jika residual tidak memiliki varian yang konstan. Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola
diagram pencar scatter plot yaitu grafik yang merupakan diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi, dan juga melalui
model Glejser.
Universitas Sumatera Utara
a. Diagram Pencar Scatter plot
Hipotesis: 1. Jika diagram pencar yang ada membentuk pola-pola tertentu yang
teratur maka regresi mengalami gangguan heteroskedastisitas. 2. Jika diagram pencar tidak membentuk pola yang atau acak maka regresi
tidak mengalami gangguan heteroskedastisitas.
Sumber: Hasil Pengolahan SPSS
Gambar 4.3 Scatterplot Dependent Variable
Dari Gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola oleh karena itu tidak mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
b. Model Glejser Menentukan kriteria keputusan :
a Jika nilai signifikansi 0,05, maka tidak mengalami gangguan
heterokedastisitas. b
Jika nilai signifikansi 0,05, maka mengalami gangguan heterokedastisitas.
Tabel 4.16
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 4.967
1.042 4.769
.000 Budaya
-.033 .047
-.064 -.703
.483 GayaHidup
-.053 .058
-.085 -.902
.369 Psikologis
-.072 .040
-.170 -1.787
.076 a. Dependent Variable: absut
Sumber : Hasil Pengolahan SPSS
Dari Tabel 4.14 dapat dilihat bahwa nilai signifikansi dari setiap variabel Budaya, Gaya Hidup, dan Psikologi adalah lebih besar dari 0.05. Maka oleh
karena itu, tidak mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
4.4.3 Uji Multikolinearitas
Uji Multikolineritas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multiko, yaitu adanya
masalah multikolineritas. Model regresi yang baik seharusnya tidak terjadi
korelasi antara variabel independennya.
Tabel 4.17
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
6.229 1.753
3.554 .001
Budaya -.008
.079 -.008
-.107 .915
.919 1.088
GayaHidup .209
.098 .166
2.128 .035
.840 1.191
Psikologis .452
.068 .522
6.669 .000
.834 1.198
a. Dependent Variable: KeputusanBerkunjung
Sumber: Hasil Pengolahan SPSS
Pada Tabel 4.17 menjelaskan mengenai besarnya tolerance dan VIF untuk masing-masing variabel bebas. Semua variabel bebas mempunyai nilai tolerance
0,1 dan VIF 5, sehingga dapat disimpulkan bahwa masalah multikolinearitas tidak ada.
Universitas Sumatera Utara
4.5 Hasil Analisis Regresi Linear Berganda
Kategori