4.4 Uji Asumsi Klasik 4.4.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang diperoleh dari hasil observasi berdistribusi normal atau tidak, sehingga data tersebut dapat
digunakan atau tidak dalam model regresi. Untuk mengetahui apakah data yang diperoleh berdistribusi normal atau tidak, dapat dilakukan dengan analisis grafik
dan uji statistik.
a. Analisis Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara data observasi
dengan distribusi yang mendekati distribusi normal. Kriteria pengambilan keputusan:
a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka
model regresi memenuhi asumsi klasik. b. Jika data tidak menyebar di sekitar garis diagonal dan atau tidak mengikuti
arah garis diagonal atau grafik tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi klasik.
Hasil dari output SPSS terlihat seperti Gambar 4.3 dan Gambar 4.4.
Universitas Sumatera Utara
Sumber : Data primer diolah, 2012
Gambar 4.3 Grafik Histogram Uji Normalitas
Gambar 4.3 memberikan interpretasi bahwa grafik histogram memiliki distribusi normal dimana grafik tersebut membentuk pola lonceng atau tidak
miring ke kanan atau ke kiri.
Sumber : Data primer diolah, 2012
Gambar 4.4 Gambar Plot Uji Normalitas
Gambar 4.4 menunjukkan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu, berdasarkan gambar dan
Universitas Sumatera Utara
gambar kriteria pengambilan keputusan yang pertama dipenuhi yaitu data berdistribusi normal.
b. Analisis Statistik
Berikut ini pengujian normalitas yang didasarkan dengan uji statistik non- parametrik Kolmogrov-Smirnov K-S.
Menentukan kriteria keputusan, yaitu : 1. Jika nilai Asymp. Sig. 2 tailed 0,05 maka data tidak mengalami gangguan
distribusi normal. 2. Jika nilai Asymp. Sig. 2 Tailed 0,05 maka data mengalami gangguan
distribusi normal.
Tabel 4.16 Uji
Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Absut N
54 Normal
Parameters
a,,b
Mean 2.1613
Std. Deviation 1.31564
Most Extreme Differences
Absolute .099
Positive .099
Negative -.053
Kolmogorov-Smirnov Z .726
Asymp. Sig. 2-tailed .668
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data Primer diolah, 2012
Berdasarkan Tabel 4.16 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,668 dan di atas nilai signifikan 0,05, hal ini menunjukkan bahwa variabel
residual absut berdistribusi normal.
Universitas Sumatera Utara
4.4.2 Uji Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain,
heterokedastisitas terjadi jika residual tidak memiliki varians yang konstan. Pemeriksaan terhadap gejala heterokedastisitas adalah dengan melihat pola
diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi. 1. Model Grafik
Hipotesis : 1. Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur
maka regresi mengalami gangguan heterokedastisitas. 2. Jika diagram pencar yang ada tidak membentuk pola-pola tertentu yang
teratur maka regresi tidak mengalami gangguan heterokedastisitas.
Sumber : Data primer diolah, 2012
Gambar 4.5 Scatterplot
Dari Gambar 4.5 dapat dilihat gambar pencar tidak membentuk pola karena itu tidak mengalami gangguan heterokedastisitas.
Universitas Sumatera Utara
2. Uji Glejser Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel
independen. Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Hasil
pengujian menunjukkan hasil untuk uji glejser pada Tabel 4.17.
Tabel 4.17 Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 1.872
1.940 .965
.339 Promosi
.017 .039
-.435 -2.991
.424 Demosi
.021 .033
.089 .634
.529 Prestasi
.054 .046
.182 1.165
.249 a. Dependent Variabel: absut
Sumber : Data Primer diolah, 2012
Hasil ouput terlihat semua variabel independen tidak signifikan sig 0,05 terhadap variabel dependen, Hal ini berarti data tidak terkena heterokedisitas.
Menetukan kriteria keputusan: 1 Jika nilai signifikan 0,05 maka tidak mengalami gangguan
heterokedastisitas. 2 Jika nilai signifikan 0,05 maka mengalami gangguan heterokedastisitas.
4.4.3 Uji Multikolinearitas
Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor
. Kedua ukuran ini menunjukkan setiap variabel
Universitas Sumatera Utara
independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan variabel independen lainnya. Pada Tabel di bawah ini diketahui nilai yang dipakai untuk Tolerance 0,1, dan nilai VIF yang dipakai 5, maka data
tersebut tidak terjadi multikolinieritas.
Tabel 4.18 Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
18.788 5.246
3.581 .001
Promosi .382
.105 .423
3.642 .001
.995 1.006
Demosi .270
.092 .341
2.941 .005
.995 1.006
a. Dependent Variabel: Prestasi
Sumber : Data Primer diolah, 2012
Berdasarkan Tabel 4.18 dapat terlihat bahwa: jika hasil korelasi antara variabel independen di bawah 0,9 maka antara variabel tersebut tidak terjadi
multikolinearitas. Selain itu dapat juga diketahui dari persamaan regresi di peroleh nilai tolarance sebesar 0,995 0,10 dan nilai VIF sebesar 1,006 5, artinya pada
variabel promosi dan demosi tidak terjadi multikolinearitas.
4.5 Metode Analisis Regresi Berganda
Analisis regresi linear berganda dilakukan untuk mengetahui seberapa besar pengaruh variabel bebas promosi dan demosi terhadap variabel terikat
prestasi. Analisis dilakukan dengan bantuan program SPSS versi 17.0 for windows
dengan menggunakan metode enter. Metode enter digunakan untuk analisis regresi agar dapat mengetahui apakah variabel bebas mempunyai
Universitas Sumatera Utara
pengaruh positif dan signifikan terhadap variabel terikat. Seluruh variabel akan dimasukkan ke dalam analisis untuk dapat diketahui apakah variabel bebas
mempunyai pengaruh yang positif dan signifikan terhadap variabel terikat. Berdasarkan Tabel 4.19 menunjukkan hasil analisis statistik tiap faktor
sebagai berikut :
Tabel 4.19 Uji Regresi Linier Tiap Faktor
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 18.788
5.246 3.581
.001 Promosi
.382 .105
.423 3.642
.001 Demosi
.270 .092
.341 2.941
.005 a. Dependent Variabel: Prestasi
Sumber : Data Primer diolah, 2012
a. Variabel yang dimasukkan ke dalam persamaan adalah variabel bebas yaitu X
1
dan X2. b.
Tidak ada variabel bebas yang dikeluarkan removed. c. Metode yang digunakan untuk memasukkan data yaitu metode enter.
Analisis regresi berganda dirumuskan sebagai berikut: Y = a + b
1
X
1
+ b
2
X
2
+ e Y = 18,788Constanta + 0,382 X
1
+ 0,270 X
2
+ e Sebelum nilai a konstanta, nilai b
1
, b
2
, dimasukkan ke dalam persamaan, terlebih dahulu dilakukan analisis determinan, uji F, dan uji t dari hasil
pengolahan regresi linear berganda.
Universitas Sumatera Utara
4.6 Uji Hipotesis 4.6.1 Uji Signifikan Simultan Uji-F
