Non-Multikolinearitas, artinya antara variabel independen dalam
model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling berkorelasi.
Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
4.2.2.1 Uji Normalitas Pengujian normalitas data digunakan untuk menguji apakah
data yang digunakan berdistribusi normal atau tidak berdistribusi normal. Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2006:147. Analisis statistik dilakukan dengan pengujian
kolmogorov smirnov k-s. Untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak dapat dilihat dari :
a.
Jika nilai signifikannya 0,05, maka distribusi data adalah tidak normal.
b.
Jika nilai signifikannya 0,05, maka distribusi data adalah normal. Pengujian dengan menggunakan model Kolmogorov-Smirnov
tersebut dapat dilihat pada tabel berikut ini :
Universitas Sumatera Utara
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Mean N
57 Normal Parameters
a
Mean .2800
Std. Deviation .25715
Most Extreme Differences
Absolute .074
Positive .055
Negative -.074
Kolmogorov-Smirnov Z .556
Asymp. Sig. 2-tailed .917
a. Test distribution is normal
Sumber : Output SPSS, diolah peneliti, 2014 Berdasarkan hasil uji statistik dengan model Kolmogorov-
Smirnov seperti yang terdapat dalam tabel 4.2 menunjukkan bahwa nilai signifikannya 0,05 yaitu sebesar 0,917. Hal ini menunjukkan
bahwa data residual telah terdistribusi normal dan dapat dilakukan uji asumsi klasik lainnya. Untuk lebih jelasnya, berikut ini turut
dilampirkan grafik histogram dan plot data yang terdistribusi normal.
Universitas Sumatera Utara
Sumber : Output SPSS, diolah peneliti, 2014
Gambar 4.1 Uji Normalitas Histogram
Grafik histogram pada gambar 4.1 menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data mengikuti garis
diagonal yang tidak menceng skewness kiri maupun menceng ke kanan.
Sumber : Output SPSS, diolah peneliti, 2014
Gambar 4.2 Uji Normalitas Grafik P-Plot
Universitas Sumatera Utara
Pada grafik P-P Plot pada gambar 4.2 diatas menunjukkan bahwa data titik menyebar di sekitar garis diagonal. Hal ini
menunjukkan bahwa data telah terdistribusi secara normal. Dari hasil uji normalitas dalam seluruh tahap, menyimpulkan
arti bahwa semua variabel dalam penelitian ini berdistribusi normal dan dapat melanjutkan pengujian asumsi klasik lainnya.
4.2.2.2 Uji Multikolinearitas