35
4.2 Hasil Analisis
4.2.1 Uji Asumsi Klasik
Metode analisis yang digunakan adalah metode analisis regresi berganda. Sebelum dilakukan uji hipotesis, peneliti akan melakukan uji
asumsi klasik. Pengujian ini perlu dilakukan untuk mengetahui apakah distribusi data yang digunakan dalam penelitian sudah normal, serta bebas dari
gejala multikolinearitas, heteroskesdastisitas serta autokorelasi.
Menurut Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah: berdistribusi normal,
non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara
sempurna ataupun mendekati sempurna, non-Autokorelasi, artinya kesalahan pengganggu dalam model
regresi tidak saling korelasi, homoskedasitas, artinya variance variabel independen dari satu
pengamatan kepengamatan yang lain adalah konstan atau sama.
4.2.1.1 Uji Normalitas
Uji normalitas berguna untuk melihat apakah data telah terdistribusi normal atau tidak. Uji normalitas dilakukan dengan model
Kolmogorov-Smirnov . Menurut
Ghozali 2005 : 115 memberikan pedoman pengambilan keputusan rentang data mendekati atau
merupakan distribusi normal berdasarkan uji Kolmogorov-Smirnov yang
dapat dilihat dari:
1. nilai sig. atau signifikan atau probabilitas 0,05, maka
distribusi data adalah tidak normal,
36
2. nilai sig. atau signifikan atau probabilitas 0,05, maka
distribusi data adalah normal. Hasil uji normalitas dengan menggunakan model Kolmogorov-
Smirnov dapat dilihat pada Tabel 4.2 berikut ini:
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 120
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 40307.14931406
Most Extreme Differences Absolute
.255 Positive
.255 Negative
-.175 Kolmogorov-Smirnov Z
2.792 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data Olahan SPSS, 2013 Berdasarkan hasil uji statistik pada One-Sample Kolmogorov-
Smirnov tersebut dapat terlihat bahwa data tidak terdistribusi dengan
normal, karena Asymp. Sig. 2-tailed pada tabel tersebut 0,05. Oleh karena itu, peneliti akan melakukan treatment atau perbaikan pada data
tersebut agar dapat memenuhi uji normalitas. Ada beberapa cara mengubah model regresi menjadi normal menurut Erlina 2008 : 104
yaitu: 1.
lakukan transformasi data ke bentuk lainnya, misalnya mengubah data menjadi bentuk logaritma Log atau natural
LN, 2.
lakukan trimming, yaitu membuang data outlier,
37
3. lakukan winsorizing, yaitu mengubah nilai data yang outlier
ke suatu nilai tertentu. Oleh karena itu, guna memenuhi uji normalitas maka peneliti
akan mentransformasikan data penelitian ini kedalam bentuk natural LN, kemudian data diuji ulang dengan menggunakan uji normalitas.
Hasil Uji Normalitas pada data yang telah ditransformasi dapat dilihat pada histogram, dan normal probability plot, One-Sample Kolmogorov-
Smirnov , berikut ini:
Sumber: Data Olahan SPSS, 2013
Gambar 4.1 Uji Normalitas
38
Sumber: Data Olahan SPSS, 2013
Gambar 4.2 Uji Normalitas
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
110 Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.44229591
Most Extreme Differences Absolute
.080 Positive
.080 Negative
-.072 Kolmogorov-Smirnov Z
.841 Asymp. Sig. 2-tailed
.479 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data Olahan SPSS, 2013
39
Berdasarkan hasil uji normalitas diatas, dapat dikatakan bahwa data telah terdistribusi secara normal. Hal tersebut di dapat diketahui
dengan melihat Asymp. Sig 2-Tailed 0.05, yaitu sebesar 0,479. Selain itu data yang telah terdistribusi normal dapat kita ketahui dengan
melihat histogram dan normal probability plot pada gambar 4.1 dan gambar 4.2 terlihat bahwa setelah dilakukan transformasi data
menggunakan LN, grafik histogram memperlihatkan pola distribusi yang normal, dan grafik P-P Plot memperlihatkan titik-titik menyebar di
sekitar atau mengikuti arah garis diagonal yang menunjukkan pola distribusi normal. Hal ini sesuai dengan yang diungkapkan oleh Ghozali
2005 : 112 bahwa pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu
jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal.
4.2.1.2 Uji Multikoleniaritas