4.1.8. Uji Asumsi Klasik
Uji asumsi klasik ini dilakukan agar hasil penelitian ini dapat membentuk hasil yang BLUE Best Linear Unbiazed Estimation dan varians minimum,
sehingga hasil penelitian dapat digunakan sebagai estimasi untuk menggambarkan kondisi dari setiap variabel. Hasil uji asumsi klasik pada penelitian ini adalah
sebagai berikut: 1.
Uji Normalitas Uji ini digunakan untuk melihat tingkat kenormalan data yang akan
digunakan dan dimasukkan ke dalam model penelitian. Metode yang digunakan adalah metode Kolmogorov Smirnov. Kriteria pengambilan
keputusan adalah, apabila nilai signifikansi lebih besar dari 0,05 maka data memenuhi asumsi kenormalan. Tabel berikut ini akan menyajikan uji
normalitas data. Tabel 4.24
One-Sample Kolmogorov-Smirnov Test
Sumber: Data Primer Diolah, 2014
Dilihat pada tabel 4.24 maka diketahui bahwa nilai Asymp. Sig 2-tailed diketahui sebesar 0.263 lebih besar dari 0,05. Maka dapat disimpulkan bahwa
Universitas Sumatera Utara
data penelitian telah memenuhi asumsi kenormalatan data. Dengan demikian, data dapat dipakai untuk selanjutnya untuk memprediksi variabel Fertilitas.
2. Uji Multikolinearitas
Uji ini digunakan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi yang kuat antar variabel bebas. Hal ini ditandai dengan nilai
VIF 10. Apabila VIF 10, maka penelitian telah lolos uji Multikolinearitas. Tabel berikut ini akan menyajikan hasil uji Multikolinearitas.
Tabel 4.25 Coefficents
a
a. Dependent Variable : Fertilitas
Sumber: Data Primer Diolah, 2014
Tabel 4.25 menunjukkan bahwa nilai VIF adalah sebesar 2,299. Nilai ini lebih kecil dari 10. Dengan demikian dapat disimpulkan bahwa variabel –
variabel penelitian tidak memiliki tingkat korelasi yang kuat. Dengan demikian jelas bahwa variabel telah lolos uji Multikolinearitas.
3. Uji Heteroskedastisitas
Uji ini digunakan untuk mengetahui apakah varians adalah konstan untuk semua variabel bebas. Uji ini dilakukan dengan melihat grafik diagram
scatter, dengan kriteria pengujian bahwa jika grafik scatter membentuk suatu pola tertentu maka dapat dikatakan bahwa dalam model terjadi gejala
heterokedastisitas. Berikut ini adalah gambar scatterplot untuk melihat uji heterokedastisitas.
Universitas Sumatera Utara
Sumber: Data Primer Diolah, 2014
Gambar 4.1 Scatterplot
Gambar 4.1 menunjukkan bahwa nilai titik – titik sebagai reprentatif data telah menyebar pada kotak di gambar dan tidak membentuk pola tertentu.
Dengan demikian dapat disimpulkan bahwa variabel telah lolos uji Heterokedastisitas.
4.1.9. Analisis Model Data