Hasil Uji Asumsi Klasik .1
termasuk dalam kategori tinggi. Dalam penelitian ini diketahui bahwa sebanyak 1 keluarga berada pada interval
3002 ≥ Skor ≤ 3692 yang termasuk dalam kategori sangat tinggi, 36 keluarga berada pada interval
2311 ≥ Skor ≤ 3001 yang termasuk dalam kategori tinggi, 33 keluarga berada pada interval
1620 ≥ Skor ≤ 2310 yang termasuk dalam kategori rendah dan sebanyak 1 keluarga berada pada interval 929
≥ Skor ≤ 1619 yang termasuk dalam kategori sangat rendah.
4.1.3 Hasil Uji Asumsi Klasik 4.1.3.1
Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi linier, variabel pengganggu atau residual memiliki distribusi normal. Pengujian
normalitas dalam penelitian ini dilakukan dengan melihat normal probability plot yang membandingkan distribusi normal. Distribusi normal akan membentuk satu
garis lurus diagonal dan plooting data residual yang akan dibandingkan dengan garis diagonal. Jika distribusi data adalah normal maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Sedangkan dasar pengambilan keputusan untuk uji normalitas adalah: 1 Jika
data menyebar disekitar diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan distribusi normal, maka model regresi memenuhi
asumsi normalitas; 2 Jika data menggambarkan jauh dari diagonal atau histogram tidak menunjukkan distribusi normal, maka regresi tidak memenuhi
asumsi normalitas. Selain dengan melihat norma probability plot, salah satu uji statistik yang
dapat digunakan untuk mendeteksi normalitas residual adalah uji statistic non-
parametrik kolmogorov-smirnov K-S. Uji K-S dilakukan dengan membuat hipotesis:
H0 : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal Ghozali,2007:110-112
Pedoman yang digunakan untuk menerima atau menolak hipotesis nol H0 maupun hipotesis alternativ Ha antara lain: 1 H0 diterima jika nilai Asymp.Sig
level of significant α dan; 2 Ha diterima jika nilai Asymp.Sig level of
significant α.
Gambar 4.4 Uji Normalitas
Sumber: Data primer yang diolah, 2015 Menurut gambar histogram menunjukkan bahwa data berdistribusi normal
karena bentuk histogram yang simetris, tidak condong ke kiri dan tidak condong ke kanan. Hal ini juga dikuatkan dengan gambar Normal P.Plot yang
menunjukkan bahwa terlihat titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menuju pola distribusi normal.
Tabel. 4.12 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 71
Normal Parameters
a
Mean .0000000
Std. Deviation 4.08696245
Most Extreme Differences
Absolute .092
Positive .070
Negative -.092
Kolmogorov-Smirnov Z .776
Asymp. Sig. 2-tailed .583
a. Test distribution is Normal.
Sumber: Data primer yang diolah, 2015 Dari tabel 4.12 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 0.776
dan nilai Asymp. Sig 2-tailed adalah 0.583 yang artinya 0.583 0.05 hal ini berarti H0 diterima, maka disimpulkan data berdistribusi normal.