102
a. Uji Normalitas
Uji normalitas adalah pengujian mengenai kenormalan distribusi data. Uji ini bertujuan untuk menguji apakah variabel
pengganggu atau residual dalam model regresi memiliki distribusi normal. Model regresi yang baik adalah jika data berdistribusi normal
atau mendekati normal. Cara yang digunakan untuk mengetahui data yang berdistribusi normal atau tidak yaitu dengan menggunakan grafik
histogram dan grafik Normal Probability Plot. Dasar pengambilan keputusan dalam analisis grafik Normal P-Plot dan grafik histogram
yaitu: 1
Jika pada grafik P-Plot data mendekati atau menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau pada grafik
Histogram data menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2 Jika pada grafik P-Plot data menyebar jauh dari garis diagonal dan
tidak mengikuti arah garis diagonal atau pada grafik Histogram data tidak menunjukkan pola distribusi normal, maka model regresi
tidak memenuhi asumsi normalitas. Dalam penelitian ini, peneliti menggunakan uji normalitas
dengan analisis grafik histogram dan grafik normal P-Plot. Berikut ini adalah hasil dari uji normalitas.
103 1
Analisis Grafik Histogram
Gambar 4.5 Grafik Histogram
Sumber: Data diolah, 2015
Berdasarkan Gambar 4.5 di atas, sebaran residual secara umum berbentuk lonceng, sehingga dapat disimpulkan bahwa nilai
residual normal atau data berdistribusi normal. 2
Analisis Grafik Normal Probability Plot Grafik P-Plot
Gambar 4.6 Grafik Normal P-Plot
Sumber: Data diolah, 2015
Berdasarkan Gambar 4.6, terlihat bahwa penyebaran data titik menyebar disekitar garis diagonal dan mengikuti arah garis
104 diagonal yang berarti bahwa data berdistribusi normal atau model
regresi memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk mengetahui apakah dalam model regresi masing-masing variabel bebas independen saling
berhubungan secara linier korelasi. Dalam model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas atau
independen Ghozali, 2012. Uji ini dapat dideteksi dengan melihat nilai tolerance dan variance inflation factors VIF dari hasil analisis
SPSS. Jika nilai Tolerance lebih besar daripada 0,1 dan nilai VIF lebih kecil daripada 10, maka dapat disimpulkan bahwa data bagus dan tidak
terjadi masalah multikolinieritas. Berikut adalah hasil dari uji multikolinieritas.
Tabel 4.6 Uji Multikolinieritas dengan
Tolerance dan VIF
Sumber: Data diolah, 2015
Berdasarkan output pada tabel 4.6, dapat disimpulkan bahwa dalam model regresi tidak terjadi multikolinieritas karena nilai
105 Tolerance lebih besar daripada 0,1 Tolerance 0,1 dan nilai VIF
lebih kecil daripada 10 VIF 10.
c. Uji Heteroskedastisitas
Kategori