data sudah normal dan bebas dari gejala multikolinearitas, heteroskedastisitas dan autokorelasi.
4.2.1 Hasil Uji Normalitas
Dalam pengujian multivariat, normalitas residual merupakan hal yang penting. Uji normalitas bertujuan untuk mengetahui apakah distribusi data
mengikuti atau mendekati distribusi normal. Untuk melihat data residualnya berdistribusi normal atau tidak dapat dilakukan dengan uji Kolmogorov-Smirnov.
Apabila nilai Asymp. Sig. 2-tailed diatas 0.05, maka variabel residual tersebut berdistribusi normal Situmorang dkk, 2008:62.
4.2.1.1 Model I Tabel 4.2
Hasil Uji Kolmogorov-Smirnov – Model I
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Normal Parameters
a
Mean .0000000
Std. Deviation .97334678
Most Extreme Differences Absolute
.112 Positive
.112 Negative
-.046 Kolmogorov-Smirnov Z
.824 Asymp. Sig. 2-tailed
.506 a. Test distribution is Normal.
Sumber: Output SPSS, 2013 Pada tabel terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0.506 dan
berada diatas nilai signifikan, yaitu 0.05. Oleh karena itu, variabel residual dikatakan berdistribusi normal.
Universitas Sumatera Utara
Selain menggunakan uji Kolmogorov-Smirnov, uji normalitas juga dapat dilakukan dengan cara melihat grafik histogram dan grafik normal P-P Plot
sebagai berikut:
Sumber: Output SPSS, 2013
Gambar 4.1 Grafik Histogram – Model I
Pada grafik histogram terlihat bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng, tidak lebih condong
ke kiri atau lebih condong ke kanan.
Universitas Sumatera Utara
Sumber: Output SPSS, 2013
Gambar 4.2 Grafik Normal P-P Plot – Model I
Pada grafik normal P-P Plot terlihat bahwa titik-titik mengikuti di sepanjang garis diagonal. Hal ini juga dapat membuktikan bahwa data telah
berdistribusi normal.
Universitas Sumatera Utara
4.2.1.2 Model II Tabel 4.3
Hasil Uji Kolmogorov-Smirnov – Model II
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Normal Parameters
a
Mean .0000000
Std. Deviation 3.55022368
Most Extreme Differences Absolute
.097 Positive
.097 Negative
-.040 Kolmogorov-Smirnov Z
.713 Asymp. Sig. 2-tailed
.690 a. Test distribution is Normal.
Sumber: Output SPSS, 2013 Pada tabel terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0.690 dan
berada diatas nilai signifikan, yaitu 0.05. Oleh karena itu, variabel residual dikatakan berdistribusi normal.
Selain menggunakan uji Kolmogorov-Smirnov, uji normalitas juga dapat dilakukan dengan cara melihat grafik histogram dan grafik normal P-P Plot
sebagai berikut:
Universitas Sumatera Utara
Sumber: Output SPSS, 2013
Gambar 4.3 Grafik Histogram – Model II
Pada grafik histogram terlihat bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng, tidak lebih condong
ke kiri atau lebih condong ke kanan.
Universitas Sumatera Utara
Sumber: Output SPSS, 2013
Gambar 4.4 Grafik Normal P-P Plot – Model II
Pada grafik normal P-P Plot terlihat bahwa titik-titik mengikuti di sepanjang garis diagonal. Hal ini juga dapat membuktikan bahwa data telah
berdistribusi normal.
4.2.2 Hasil Uji Multikolinearitas
Kategori