79 lonceng. Ada dua cara untuk mendekati apakah data berdistribusi normal atau tidak,
yaitu dengan pendekatan grafik dan pendekatan kolmogorov-Smirnov. Dengan menggunakan tingkat signifikan 5 0.05 maka Asymp. Sig 2-tailed diatas nilai
signifikansi 5 0,05 artinya variabel residual berdistribusi normal. Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal.
a. Pendekatan Histogram
Gambar 4.1 : Histogram Uji Normalitas Sumber : Hasil Pengolahan SPSS 2013
Pada Gambar 4.1 terlihat bahwa residual data berdistribusi normal, hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke kiri
atau ke kanan.
Regression Standardized Residual
3 2
1 -1
-2
Frequency
8 6
4 2
Histogram Dependent Variable: Y
Mean =2.78E-17 Std. Dev. =0.931
N =31
Universitas Sumatera Utara
80
b. Pendekatan Grafik
Gambar 4.2 : Normal P-P Plot Uji Normalitas Sumber : Hasil Pengolahan SPSS 2013
Pada Gambar 4.2 Normal P-P Plot terlihat titik-titik yang mengikuti data sepanjang garis normal, hal ini berarti residual data berdistribusi normal.
c. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Pengujian normalitas yang didasarkan
dengan uji statistik Non-Parametrik Kolmogorv-smirnov dapat dilihat pada Tabel 4.10 dibawah ini :
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected C um Prob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Y
Universitas Sumatera Utara
81
Tabel 4.10 Hasil Uji Normalitas Pendekatan
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 31
Normal Parametersa,b Mean
.0000000 Std. Deviation
.66522880 Most Extreme Differences
Absolute .082
Positive .073
Negative -.082
Kolmogorov-Smirnov Z .459
Asymp. Sig. 2-tailed .984
a Test distribution is Normal. b Calculated from data.
Sumber : Hasil Pengolahan SPSS 2013
Pada Tabel 4.10 terlihat bahwa nilai Asymp. Sig 2-tailed adalah 0.984 dan nilai signifikansi 0,05, hal ini berarti residual berdistribusi normal.
2. Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu residual pengamatan ke pengamatan lain. Jika
varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang
baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Untuk mengatasi kelemahan pengujian dengan grafik dapat menggunakan
pendekatan statistik dengan uji glejser, heteroskedastisitas tidak akan terjadi apabila tidak satupun variabel independen signifikan secara statistik mempengaruhi variabel
Universitas Sumatera Utara
82 dependen nilai absolut Ut absUt. Jika probabilitas signifikan diatas tingkat
kepercayaan 5 dapat disimpulkan model regresi tidak mengarah pada heterokedastisitas.
Beberapa cara
untuk mendeteksi
ada atau
tidaknya heterokedastisitas adalah sebagai berikut :
a. Metode Pendekatan Grafik