4.3 Hasil Uji Asumsi Klasik
4.3.1 Uji Normalitas
Uji normalitas penelitian ini dilakukan dengan analisis grafik yaitu dengan grafik Histogram dan Normal P-P Plot of Regression Standarizied Residual.
Selain itu uji normalitas dilakukan juga dengan menggunakan uji Kolmogorov- Smirnov . Uji normalitas dilakukan dengan bantuan software SPSS 17.0 for
Windows dan hasilnya ditunjukkan sebagai berikut:
4.3.1.1 Hasil Uji Normalitas dengan Histogram
Bentuk grafik jika tidak melenceng ke kiri dan ke kanan, maka menunjukkan bahwa variabel berdistribusi normal. Sebaliknya, jik bentuk grafik
melenceng ke kiri atau ke kanan menunjukkan bahwa variabel tidak berdistribusi normal.
Gambar 4.1 Uji Normalitas dengan Histogram Sumber: Hasil Pengolahan SPSS 2015
Gambar 4.1 menunjukkan bahwa grafik histogram menunjukkan pola distribusi normal hal ini ditunjukkan oleh distribusi data tersebut tidak menceng ke kanan
maupun menceng ke kiri.
4.3.1.2 Hasil Uji Normalitas dengan
Normal P-P Plot of Regression Standarizied Residual
Titik jika masih menyebar di sekitar garis diagonal, maka data berdistribusi normal. Sebaliknya jika tidak menyebar di sekitar garis diagonal, maka data tidak
berdistribusi normal.
Gambar 4.2 Uji Normalitas dengan Normal P-P Plot of Regression
Standarizied Residual Sumber: Hasil Pengolahan SPSS 2015
Pada Gambar 4.2 terlihat titik-titik menyebar mengikuti data di sepanjang garis
diagonal, hal ini menunjukkan bahwa data berdistribusi normal.
4.3.1.3 Hasil Uji Normalitas dengan Kolmogrov- Smirnov Test
Tabel 4.6Uji Kolmogorv-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 35
Normal Parametersa,b Mean
.0000000 Std. Deviation
3.03668917 Most Extreme
Differences Absolute
.195 Positive
.110 Negative
-.195 Kolmogorov-Smirnov Z
1.156 Asymp. Sig. 2-tailed
.138 a Test distribution is Normal.
b Calculated from data.
Sumber: Pengolahan SPSS 2015 Data Diolah Tabel 4.6 menunjukkan bahwa nilai Asymp.Sig 2-tailed adalah 0,138 dan
diatas nilai signifikan 0,05 atau 0,138 0,05. Dengan kata lain variabel residual berdistribusi normal.
4.3.1.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat seberapa besar peranan variabel bebas terhadap variabel terikat. Jika varians sama, dan ini yang
seharusnya terjadi maka dikatakan homokedastisitas. Sedangkan jika varians tidak sama dikatakan terjadi heterokedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk melihat apakah heterokedastisitas dapat dilakukan sebagai berikut :
Gambar 4.3 : Scatterplot Sumber : Hasil Pengolahan SPSS, 2015 data diolah
Gambar 4.3 menunjukkan bahwa titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun
dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi
variabel dependen, berdasarkan masukan variabel independennya.
4.4 Analisis Regresi Linier Sederhana