69 akan dilihat dari nilai probabilitasnya. Jika probabilitasnya 0,05 data distribusi
normal.
24
Hasil uji normalitas data ditunjukkan pada tabel 4.15 berikut ini:
Tabel 4.15
Berdasarkan hasil uji normalitas pada tabel 4.15 dapat dilihat bahwa Asymp. Sig 2-tailed untuk variabel persepsi sebesar 0,955 dan variabel preferensi sebesar
0,212. Nilai Asymp. Sig 2-tailed untuk masing-masing variabel berada diatas 0,05, maka dapat disimpulkan bahwa variabel persepsi dan preferensi terdistribusi secara
normal.
2. Uji Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu
e
t
pada periode tertentu dengan
24
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, Semarang: 2005, h. 30
One-Sample Kolmogorov-Smirnov Test
40 40
18.40 23.23
5.098 7.343
.081 .167
.081 .167
-.069 -.123
.513 1.059
.955 .212
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
persepsi preferensi
Test distribution is Normal. a.
Calculated from data. b.
70 variabel pengganggu periode sebelumnya
e
t-1
. Model regresi linear terbebas dari autokorelasi jika nilai Durbin Watson hitung terletak di daerah No Autocorelation.
Untuk mempercepat proses ada tidaknya outokorelasi dalam suatu model dapat digunakan patokan nilai Durbin Watson hitung mendekati angka 2. Jika nilai
Durbin Watson hitung mendekati atau disekitar angka 2 maka model tersebut terbebas dari asumsi klasik autokorelasi, karena angka 2 pada uji Durbin Watson
terletak didaerah No Autocorelation.
25
Pengujian ini dapat digambarkan sebagai berikut:
Gambar 4.1 Hasil Uji Autokorelasi
Hasil uji autokorelasi dengan Durbin Watson angka 1,778, dan batas bawah dl dan batas atas du dari gambar terlihat diatas. Dengan jumlah variabel bebas k
= 1, dengan jumlah sampel n = 40, maka dl = 1,54 dan du = 1,44. Berdasarkan uji diatas tampak bahwa nilai Durbin Watson hitung 1,778 terletak didaerah No
Corelation sehingga dapat disimpulkan bahwa model regresi terbebas dari asumsi klasik statistik autokorelasi.
25
Bhuono Agung Nugroho, Strategi Jitu Memilih Methode Statistik Penelitian Dengan SPSS, Yogyakarta: 2005 Ed. 1, h, 60
Negatif Autocorelation
No Autocorelation
Positif
dl du
2 4-du
4-dl 1,54
1,44 1,778
2,56 2,46
71
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pangamatan yang lain.
26
2 . 5 0 . 0
- 2. 5
R e g r e s s i o n S t a n d a r d i z e d P r e d i ct e d V a l u e
3 2
1 - 1
- 2 - 3
Re gr
es si
on St
ud en
tiz ed
Re si
du al
S cat ter p l o t D ep en d e n t V a ri ab l e: p re fer en si
Gambar 4.2 Hasil Uji Heteroskedastisitas
Berdasarkan gambar diatas, terlihat titik-titik menyebar dan tidak membentuk pola tertentu yang jelas. Hal ini berarti tidak terjadi heteroskedastitas pada model
regresi, sehingga model regresi layak dipakai untuk memprediksi preferensi guru al- izhar terhadap asuransi dana pendidikan, berdasarkan variabel persepsi masyarakat.
4. Uji Hipotesis
