64 tertinggi adalah 380.919 diperoleh oleh Kota Medan pada tahun 2010
dengan rata – rata 47164,25 dan standart deviasi sebesar 66742,180.
4.2.2 Pengujian Asumsi Klasik
Sebelum melakukan pengujian statistik dengan analisis regresi linear berganda, maka perlu dilakukan tahap pengujian untuk mempertimbangkan
tidak adanya pelanggaran yang terjadi pada asumsi klasik. Asumsi klasik tersebut antara lain:
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal atau tidak. Ada dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji analisis statistik uji One Sample Kolmogorof Smirnof .
1. Analisis grafik
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan
melihat histogram dari residualnya. Dasar dalam pengambilan kesimpulan sebagaimana dikemukakan oleh Ghozali 2005 : 149:
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas.
Universitas Sumatera Utara
65
b. Jika data menyebar menjauh dari diagonal dan atau tidak
mengikuti arah garis diagonal atau garis histogram tidak menunjukkan pola pada distribusi normal, maka model regresi
tidak memenuhi asumsi normalitas. Berikut ini gambar analisis grafik:
Gambar 4.1 Histogram Sumber: Hasil Output SPSS
,
data yang diolah oleh Peneliti, 2015
Grafik histogram pada gambar menunjukkan distribusi normal karena grafik tidak condong ke kiri maupun condong ke kanan.
Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
Universitas Sumatera Utara
66 Normalitas data dapat dilakukan dengan menggunakan Normal
P- Plot data, “ jika data titik menyebar di sekitar garis diagonal
dan mengikuti arah garis diagonal, maka data telah terdistribusi normal
”. Hasil pengujian normalitas dengan P-P Plot juga dapat dilihat pada gambar berikut ini:
Gambar 4.2 Grafik P-P Plot
Sumber: Hasil output SPSS
,
data yang diolah oleh Peneliti, 2015
2. Analisis Statistik uji One Sample Kolmogorof Smirnof . Analisis Statistik dapat digunakan untuk menguji apakah
residual berdistribusi normal atau tidak. Uji statistik ini dapat digunakan melalui uji statistik non parametrik Kolmogorov-
Smirnov K-S dengan membuat hipotesis: Ho diterima berarti data residual berdistribusi normal.
Ha diterima berarti data residual tidak berdistribusi normal.
Universitas Sumatera Utara
67 Apabila nilai signifikan atau probabilitas lebih besar dari 0,05,
maka Ho diterima dan sebaliknya jika nilai signifikansi atau probabilitas lebih kecil dari 0,05, maka Ho ditolak atau Ha
diterima. Berikut ini tabel hasil uji Kolmogorov-Smirnov K-S:
Tabel 4.3 Hasil Uji Normalitas
Kolmogorov-Smirnov K-S
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 110
Normal Parameters
a,b
Mean ,0000000
Std. Deviation 6,09329828E4
Most Extreme Differences Absolute
,082 Positive
,082 Negative
-,081 Kolmogorov-Smirnov Z
,859 Asymp. Sig. 2-tailed
,451 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Output SPSS, data diolah oleh peneliti, 2015
Dari hasil pengolahan data pada tabel 4.3 di atas, diperoleh nilai Kolmogorov-Smirnov Z sebesar 0,859 dan Asymp.Sig. 2-tailed adalah
0,451 dan nilai ini di atas 0,05 dengan kata lain variabel residual berdistribusi normal.
Semua hasil pengujian melalui analisis grafik dan statistik di atas menunjukkan hasil yang sama yaitu normal.
4.2.2.2 Uji Multikolinieritas