ini berdistribusi normal. Secara grafis hasil uji normalitas dapat dilihat dari normal P-P plot berikut ini:
Gambar 4.1 P-P Plot Hasil Uji Normalitas
4.2.3.2 Uji Multikolinieritas
Keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linear yang sempurna atau mendekati sempurna.
Model regresi
yang baik
mensyaratkan tidak
adanya masalah
multikolinieritas. Ada tidaknya multikolinieritas dapat dilihat dari nilai
Tolerance dan Variance Inflation Factor VIF. Apabila korelasi antara
variabel bebas toleransinya melebihi 0,1 dan nilai VIF 10 dapat disimpulkan bahwa model regresi tidak mengandung multikolinieritas. Hasil
uji multikolinieritas dengan menggunakan SPSS for windows release 16.0 terdapat pada Tabel coefficients berikut ini:
Tabel 4.27 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
41.863 6.794
6.161 .000
TOTX1 .238
.116 .095 1.189
.002 .994
1.006 TOTX2
.322 .040
.651 8.101 .000
.994 1.006
a. Dependent Variable: Y
Berdasarkan hasil analisis data pada Tabel diperoleh nilai VIF untuk variabel kemampuan komunikasi guru sebesar 1,006, variabel motivasi belajar siswa
1,006. Semua variabel bebas dalam penelitian ini memiliki nilai toleransi lebih dari 0,1 dan VIF 10, sehingga asumsi adanya multikolinieritas ditolak.
Dengan kata lain, tidak ada hubungan yang sempurna antara variabel bebas.
4.2.3.3 Uji Heteroskedastisitas
Keadaan dimana terjadinya ketidaksamaan varian dari residu pada model regresi. Model regresi yang baik mensyaratkan tidak adanya masalah
heteroskedastisitas. Heteroskedastisitas menyebabkan penaksir atau estimator menjadi tidak efisien dan nilai koefisien determinasi akan menjadi sangat
tinggi.
Secara grafis untuk mengetahui terjadi atau tidaknnya heteroskedastisitas dapat dilihat dari Multivariate Standardized Scatterplot pada Gambar
dibawah ini : Gambar 7.2 Hasil Uji Heteroskedastisitas
Terlihat dari Gambar bahwa titik-titik tersebar dengan pola yang tidak jelas diatas dan dibawah angka 0 pada sumbu Y sehingga dapat disimpulkan
bahwa model regresi tidak terjadi masalah heteroskedastisitas.
4.2.3.4 Analisis Regresi Linear Berganda