3.6.2. Uji Asumsi Klasik
3.6.2.1.Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang
baik adalah yang memiliki distribusi normal atau mendekati normal. Deteksi normalitas dapat dilakukan dengan melihat penyebaran data titik-titik pada
sumbu diagonal dari grafik. Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali 2011:163 sebagai berikut:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pada distribusi normal, maka model
regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Penelitian ini menggunakan uji statistik Kolmogrof-Smirnov K-S dengan IBM SPSS Statistics 20. Apabila hasil nilai Kolmogrof-Smirnov K-S mempunyai
Sig α 0,05 maka data dalam penelitian berdistribusi normal.
3.6.2.2.Uji Linearitas
Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Menurut Ghozali 2011:166 dengan uji linearitas akan
diperoleh informasi apakah model empiris sebaiknya linear, kuadrat, atau kubik. Hasil yang diperoleh melalui uji linearitas akan menentukan teknik analisis regresi
yang akan digunakan. Jika hasil uji linearitas merupakan data yang linear maka digunakan analisis regresi linear. Jika sebaliknya maka analisis regresi yang
digunakan nonlinear. Dasar pengambilan keputusan dari uji ini dapat dilihat dari output SPSS dalam kolom Linearity pada ANOVA Table pada taraf signifikansi
0,05. Variabel dikatakan mempunyai hubungan linear apabila signifikansi 0,05.
3.6.2.3.Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2011:139. Jika variance dari residual satu pengamatan ke pengamatan yang lainnya tetap, maka disebut Homoskedastisitas
dan jika berbeda disebut Heteroskedastisitas. Dasar pengambilan keputusannya apabila sebaran nilai residual terstandar tidak membentuk pola tertentu namun
tampak random dapat dikatakan bahwa regresi bersifat homogen atau tidak mengandung heteroskedastisitas. Model regresi yang baik adalah yang tetap
homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2011:139. Heteroskedastisitas dapat dideteksi dengan melakukan uji park. Apabila
koefisien parameter beta dari persamaan regresi tersebut signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi
terdapat heteroskedastisitas, dan sebaliknya jika parameter beta tidak signifikan secara statistik, maka asumsi homoskedastisitas pada data model tersebut tidak
dapat ditolak Ghozali, 2011:142.
3.6.3. Pembentukan Model Analisis Jalur Path Analysis
Kategori