4.4 Uji Asumsi Klasik 4.4.1 Pengujian Normalitas
a. Analisis Grafik
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual berdistribusi normal. Ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual, peneliti menganalisis
grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis probabilitas plot yang
membandingkan distribusi kumulatif dan distribusi normal. Hipotesis:
1 Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menujukkan pola distribusi normal, maka
model regresi memenuhi asumsi mormalitas. 2 Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah
garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Sumber: Hasil pengolahan data primer kuesioner, SPSS versi 16.0, 2013 Gambar 4.2 Histogram
Dari Gambar 4.1 terlihat bahwa grafik histogram menunjukkan pola distribusi normal dimana grafik tersebut membentuk pola lonceng atau tidak
miring ke kanan atau ke kiri.
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 16.0, 2013 Gambar 4.3 Normal P-P Plot of Regression Standardized Residual
Pada Gambar 4.2 tersebut dapat dilihat bahwa data-data titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena
itu, berdasarkan Gambar 4.2 tersebut dapat diambil kesimpulan bahwa model telah memenuhi uji normalitas.
a. Analisis Statistik
Untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorov Sumirnov 1 Sampel KS dengan melihat
data residual apakah berdistribusi normal Syafrizal, et al, 2008:59.
Menentukan kriteria keputusan: 1. Jika nilai Asymp.Sig. 2-tailed 0.05 maka tidak mengalami gangguan
distribusi normal 2. Jika nilai Asymp.Sig. 2-tailed 0,05 maka mengalami gangguan
distribusi normal
Tabel 4.11
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 16.0, 2013
Pengambilan keputusan: Pada Tabel 4.11 terlihat bahwa Asymp.Sig. 2-tailed adalah 0,459, dan
diatas nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.
4.4.2 Pengujian Heteroskedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heteroskedastisitas terjadi jika residual tidak memiliki varians yang konstan.
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 100
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.59668230
Most Extreme Differences
Absolute .085
Positive .040
Negative -.085
Kolmogorov-Smirnov Z .854
Asymp. Sig. 2-tailed .459
a. Test distribution is Normal.
Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram pencar yaitu grafik yang merupakan diagram pencar residual, yaitu
selisih antara nilai Y prediksi dan Y observasi.
a. Model grafik
Hipotesis: a Jika diagram pencar yang ada membentuk pola-pola teratur maka
regresi mengalami gangguan heteroskedastisitas. b Jika diagram pencar yang ada tidak membentuk pola-pola tertentu
yang teratur maka regresi tidak mengalami gangguan heteroskedastisitas.
Sumber: Hasil pengolahan data primer Kuesioner, SPSS versi 16.0, 2013 Gambar 4.4 Scatterplot
Pada Gambar 4.3 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu berarti tidak mengalami gangguan heteroskedastisitas.
a. Model Glejser