4.2.2. Hasil Uji Asumsi Klasik
Model regresi berganda akan lebih cepat digunakan dan menghasilkan perhitungan yang lebih akurat, apabila beberapa asumsi berikut dapat terpenuhi
Uji asumsi klasik yang harus dipenuhi antara Uji Normalitas, Uji Multikolinieritas, Uji Autokorelasi dan Uji Heterokedastisitas
4.2.2.1. Uji Normalitas
Uji Normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Dalam penelitian ini dilakukan
dengan menguji normalitas residual dengan menggunakan uji Kolmogorov- Smirnov
, yaitu dengan membandingkan distribusi komulatif relatif hasil observasi dengan distribusi komulatif relatif teoritisnya. Jika probabilitas signifikansi nilai
residual lebih besar daro 0,05 berarti residual terdistribusi dengan normal. Demikian pula sebaliknya, jika probabilitas signifikansi residual lebih rendah dari
0,05 berarti residual tidak terdistribusi secara normal. Uji Kolmogorov Smirnov dapat dilihat pada Tabel 4.2 sebagai berikut:
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
52 Normal Parameters
a,,b
Mean .0000000
Std. Deviation
57.51492736 Most Extreme Differences
Absolute .205
Positive .205
Negative -.168
Kolmogorov-Smirnov Z 1.478
Asymp. Sig. 2-tailed .025
Sumber: Hasil Penelitian,2013 Data diolah
Universitas Sumatera Utara
Tabel 4.2 menunjukkan Asym.Sig 2-tailed atau angka signifikansi lebih kecil dari 0,05 hal ini berarti data tidak mempunyai distribusi normal. Data yang
tidak terdistribusi secara normal dapat ditransformasi ke dalam logaritma natural, maka di uji dengan menggunakan uji K-S dan dilihat apakah data tersebut sudah
terdistribusi secara normal atau tidak. Berikut ini adalah hasil uji K-S setelah ditransformasikan.
Tabel 4.3 Hasil Uji Normalitas Setelah Transformasi Data Uji
Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 52
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.12721924
Most Extreme Differences Absolute .168
Positive .168 Negative -.163
Kolmogorov-Smirnov Z 1.209
Asymp. Sig. 2-tailed .107
a. Test distribution is Normal Sumber : Hasil Penelitian, 2013 Data Diolah
Dari Tabel 4.3 dapat diketahui bahwa nilai K-S adalah 1,209 dengan p = 0,107 maka dapat disimpulkan bahwa data terdistribusi normal karena memilki tingkat
signifikan diatas 0,05 . Metode lain untuk mengetahui normalitas adalah dengan menggunakan
metode analisis grafik baik dengan melihat grafik secara histogram ataupun dengan melihat secara Normal Probability Plot. Normalitas dapat dideteksi
dengan melihat histogram dari residualnya:
Universitas Sumatera Utara
1. Jika data menyebar disekitar garis diagonal dan mengikuti garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal regresi
memenuhi asumsi normalitas 2. Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Berikut hasil uji normalitas yang diperoleh dalam analisis penelitian ini pada Gambar 4.1
Sumber: Hasil Penelitian, 2013 Data Diolah
Gambar 4.1 Grafik Histogram
Gambar 4.1 menunjukkan bahwa data terdistribusi secara normal karena bentuk kurva memiliki kemiringan yang cenderung imbang dan kurva berbentuk
menyerupai lonceng. Dapat disimpulkan bahwa variabel pengganggu atau residual memiliki pola mendekati distribusi normal.
Universitas Sumatera Utara
Sumber : Hasil Penelitian, 2013 Data Diolah
Gambar 4.2 Normal P-Plot
Berdasarkan Gambar 4.2 Normal Probability Plot diatas dapat disimpulkan bahwa model regresi memnuhi asumsi normalitas karena data menyebar di sekitar
garis diagonal dan penyebaran data searah mengikuti garis diagonal.
4.2.2.2. Uji Multikolinearitas
Kategori