Uji Normalitas Uji Autokorelasi

76

2. Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel penganggu atau residual memiliki distribusi normal Ghazali.2006:147. Pengujian ini menggunakan uji normalitas dengan normal probability plot of standardized residual, yang hasilnya sebagai berikut: Gambar 4.1 Uji Normalitas Grafik P-Plot Sumber: Data sekunder yang diolah Plot dapat dilihat pada gambar 4.1. Pada gambar tersebut menunjukkan bahwa titik –titik data berada disekitar garis diagonal dan mengikuti arah garis diagonal. Dengan demikian, dapat disimpulkan bahwa data dalam penelitian ini sudah terdistribusi normal atau sudah memenuhi asumsi normalitas. 77 Uji statistik lain yang dapat digunakan dalam untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogorov-Smirnov K-S. Uji Kolmogorov-Smirnov yang hasilnya dapat dilihat sebagai berikut: Tabel 4.4 Uji Normalitas dengan Uji Kolmogorov-Smirnov a. Test distribution is Normal b. Calculated from data Sumber: Data sekunder yang diolah Besarnya nilai Kolmogorov-Smirnov adalah 0.567 dengan signifikan pada 0.905 lebih besar dari 0.05. Hal ini berarti Ha diterima dan menunjukkan bahwa data residiual terdistribusi normal.

b. Uji Multikolonieritas

Multikolonieritas menunjukkan bahwa model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghazali.2006:95. Multikolinearitas dilihat dari besaran VIF One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 40 Normal Parameters a Mean .0000000 Std. Deviation .41710785 Most Extreme Differences Absolute .090 Positive .090 Negative -.051 Kolmogorov-Smirnov Z .567 Asymp. Sig. 2-tailed .905 78 Variance Inflation Factor dan tolerance. Regresi yang bebas dari problem multikolonieritas apabila nilai VIF 10 dan tolerance

0.10, maka data tersebut dikatakan tidak ada multikolonieritas.

Hasil uji multikolonieritas terhadap data untuk pengujian hipotesis ditunjukkan pada tabel 4.5 berikut: Tabel 4.5 Uji Multikolonieritas a. Dependent Variable: SM Sumber: Data sekunder yang diolah Berdasarkan tabel 4.5 di atas menunjukkan variabel independen memiliki nilai tolerance mendekati 1 yang berarti tidak ada korelasi antar variabel yang nilainya lebih dari 95 . Hasil perhitungan nilai Variance Inflantion Factor VIF juga menunjukkan hal yang sama nilai VIF berkisar pada angka 1 hingga 10. Jadi, dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi. Coefficients a Model Collinearity Statistics Tolerance VIF 1 RB .645 1.552 PF .658 1.520 PA .905 1.104 LK .750 1.333 PP .799 1.252 79

c. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 sebelumnya, Ghozali, 2006:99. Pengambilan keputusan ada atau tidaknya autokorelasi adalah dengan melihat nilai Durbin-Watson sebagai berikut Singgih, 2004:218: a. Angka D-W di bawah -2, berarti ada autokorelasi positif. b. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi. c. Angka D-W di atas +2, berarti autokorelasi negatif. Tabel 4.6 Uji Autokorelasi Sumber: Data sekunder yang diolah Berdasarkan hasil analisis dengan menggunakan uji autokorelasi yang terdapat pada tabel 4.6. Nilai Durbin Watson pada penelitian ini sebesar 1.177 dengan klasifikasi bila nilai Durbin Watson berada diantara -2 sampai +2 berarti tidak terdapat Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .833 a .694 .649 .44673 1.177 a. Predictors: Constant, PP, RB, PA, LK, PF b. Dependent Variable: SM 80 autokorelasi Singgih, 2004:218. Dengan ini data yang diolah menunjukkan tidak ada gejala autokorelasi.

d. Uji Heteroskedastisitas