62
berdistribusi normal. Demikian juga sebaliknya jika nilai sig probability lebih kecil dari 0,05 maka Ho diterima dengan pengertian bahwa data yang dianalisis
tidak berdistribusi normal. Berikut ini pengujian normalitas yang didasarkan dengan uji statistik nonparametik Kolmogorv-Smirnov K-S.
Tabel 4.12 Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 78
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 3.34731583
Most Extreme Differences Absolute
.083 Positive
.073 Negative
-.083 Kolmogorov-Smirnov Z
.735 Asymp. Sig. 2-tailed
.652 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2016 data diolah
Berdasarkan Tabel 4.12, diketahui nilai probabilitas p atau Asymp. Sig. 2-
tailed sebesar 0,652. Karena nilai probabilitas p, yakni 0,652, lebih besar
dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas terpenuhi.
4.4.2 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians. 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 homoskedastisitas atau
Universitas Sumatera Utara
63
tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
1. Analisis Grafik Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu
yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Sumber: Hasil Penelitian, 2016 data diolah
Gambar 4.3 Pengujian Heteroskedastisitas Scatterplot
Berdasarkan Gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka
berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi. 2. Analisis Statistik
Universitas Sumatera Utara
64
Dasar analisis metode statistik adalah jika variabel bebas signifikan secara statistik mempengaruhi variabel terikat, maka ada indikasi terjadi
heteroskedastisitas.
Tabel 4.13 Uji Glejser
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant -2.162
12.120 -.178
.859 Kreatif dan Inovatif X1
.371 .229
.205 1.618
.110 Berani Mengambil Resiko X2
-.329 .228
-.179 -1.443
.153 Sabar X3
.479 .517
.118 .927
.357 Mandiri X4
-.237 .310
-.099 -.766
.446 Peka terhadap Pasar X5
.127 .418
.036 .305
.761 a. Dependent Variable: absolute_residual_Gjejser
Sumber: Hasil Penelitian, 2016 data diolah
Berdasarkan Tabel 4.13, diketahui nilai probabilitas atau Sig. dari kreatif dan inovatif adalah 0,110, nilai probabilitas atau Sig. dari berani mengambil
resiko adalah 0,153, nilai probabilitas atau Sig. dari sabar adalah 0,357, dan seterusnya. Karena seluruh nilai Sig. lebih besar dari 0,05 tidak signifikan, maka
disimpulkan bahwa tidak terjadi heteroskedastisitas Gujarati, 2003. Gio dan Elly, 2015:182-183.
4.4.3 Uji Multikolinieritas
