Tabel 4.7 Tabel Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 96
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.88330356
Most Extreme Differences Absolute
.065 Positive
.065 Negative
-.061 Kolmogorov-Smirnov Z
.640 Asymp. Sig. 2-tailed
.808 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 17.0 Oktober 2015
Berdasarkan Tabel 4.7 dapat diketahui bahwa nilai Asymp. Sig. 2-tailed adalah 0.808, ini berarti diatas nilai signifikan 5. Oleh karena itu, sesuai dengan
analisis grafik, analisis dengan uji statistik non-parametrik Kolmogorov-Smirnov K- S juga menyatakan bahwa variabel residual berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah di dalam model regresi terjadi ketidaksamaan varians dari satu residual pengamatan ke pengamatan lain. Jika
varians dari satu residual pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak
terjadi heterokedastisitas.Ada beberapa cara untuk mendeteksi ada atau tidaknya heterokedastisitas, yaitu :
4.3.2.1 Metode Grafik
Dasar analisis metode grafik ini adalah jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heterokedastisitas, sedangkan jika ada pola tertentu, seperti titi-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi
heterokedastisitas.
Sumber : Hasil Pengolahan SPSS 17.0 Oktober 2015 Gambar 4.3 Scatterplot
Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka berdasarkan
metode grafik tidak terjadi heterokedastisitas pada model regresi.
4.3.2.2 Uji Glejser
Tabel 4.8 Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
1.845 1.328
1.389 .168
X1 -.037
.076 -.058
-.481 .632
X2 -.039
.140 -.036
-.276 .783
X3 .077
.109 .081
.700 .485
a. Dependent Variable: absut Sumber : Hasil Pengolahan SPSS 17.0 Oktober 2015
Tabel 4.8 memperlihatkan bahwa tidak satu pun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut absUt. Hal
ini terlihat dari probabilitas signifikannya di atas tingkat kepercayaan 5. Jadi dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
4.3.3 Uji Multikolinieritas
Uji multikolinieritas bertujuan menguji apakah model regresiditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel independent. Berikut ini disajikan cara mendeteksi multikolinieritas dengan menganalisis matrik korelasi antar variabel dan perhitungan
nilai Tolerance dan VariationInflation Factor. Tabel 4.9
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF 1 Constant
4.996 2.212
2.259 .026 X1
.083 .127
.074 .657 .513
.748 1.338 X2
.372 .233
.197 1.597 .114 .629 1.591
X3 .281
.182 .168 1.542 .126
.807 1.239 a. Dependent Variable: absut
Sumber : Hasil Pengolahan SPSS 17.0 Oktober 2015
Berdasarkan Tabel 4.9 terlihat bahwa : 1.
Nilai VIF dari Kognitif X
1
, Afektif X
2
, Konatif X
3
lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terdapat multikolinieritas antara variabel
independent dalam model regresi. 2.
Nilai Tolerance dari Kognitif X
1
, Afektif X
2
, Konatif X
3
lebih besar dari 0.1, hal ini berarti tidak multikolinieritas antara variabel independent dalam
model regresi.
4.4 Metode Analisis Statistik