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