56 3
Pada pernyataan ketiga saya memahami pentingnya peran wirausahawan untuk menopang prekonomian sebanyak 30 orang 30 menjawab
sangat setuju, 59 orang 59 menjawab setuju, 10 orang 10 menjawab kurang setuju, tidak ada yang menjawab tidak setuju, dan 1
orang 1 ada menjawab sangat tidak setuju. 4
Pada pernyataan keempat saya memiliki keinginan untuk mendapatkan penghasilan sendiri sebagai wirausahawan sebanyak 23 orang 23
menjawab sangat setuju, 45 orang 45 menjawab setuju, 30 orang 30 menjawab kurang setuju, 1 orang 1 menjawab tidak setuju, dan
1 orang 1 menjawab sangat tidak setuju. 5
Pada pernyataan kelima saya mampu melihat peluang usaha yang tersedia sebanyak 27 orang 27 menjawab sangat setuju, 63 orang
63 menjawab setuju, 8 orang 8 menjawab kurang setuju, 1 orang 1 menjawab tidak setuju, dan 1 orang 1 menjawab sangat tidak
setuju.
4.2.2 Uji Asumsi Klasik
1.Uji Normalitas Data Tujuan uji normalitas adalah untuk menguji model regresi distribusi
sebuah data mengikuti atau mendekati distribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik dilihat dari titik-titik yang menyebar di sekitar
garis diagonal yakni distribusi data dengan bentuk lonceng dan distribusi data tersebut tidak melenceng ke kiri atau melenceng ke kanan. Uji normalitas
dilakukan dengan menggunakan pendekatan kolmogorov smirnov. Dengan
Universitas Sumatera Utara
57 menggunakan tingkat signifikan 5 0,05 maka jika nilai Asymp.Sig. 2-tailed
di atas nilai signifikan 5 artinya variabel residual berdistribusi normal.Hasil dari output SPSS terlihat seperti Gambar 4.1 dan Gambar 4.2 :
Gambar 4.1 Plot Uji Normalitas
Sumber : Hasil Pengolahan Data Primer Kuesionerdenganmenggunakan
SPSS 16.00, 2014
Universitas Sumatera Utara
58
Gambar 4.2 Histogram Uji Normalitas
Sumber : Hasil Pengolahan Data Primer Kuesionerdengan menggunakan
SPSS 16.00, 2014
Berdasarkan Gambar 4.2 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh data tersebut tidak melenceng ke kiri atau ke
kanan, sedangkan pada gambar 4.1 dapat juga terlihat titik yang mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal. Namun untuk
Universitas Sumatera Utara
59 lebih memastikan bahwa data di sepanjang garis diagonal berdistribusi normal
maka dilakukan uji Kolmogorov-Smirnov K-S.
Tabel 4.7 Hasil Analisis Instrumen One Sample KS Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
100 Normal Parameters
a
Mean .0000000
Std. Deviation 1.73114273
Most Extreme Differences Absolute
.092 Positive
.070 Negative
-.092 Kolmogorov-Smirnov Z
.916 Asymp. Sig. 2-tailed
.372 a. Test distribution is Normal.
Sumber : Hasil Pengolahan Data Primer Kuesionerdengan menggunakan
SPSS 16.00, 2014 Pada Tabel 4.7 terlihat bahwa nilai Asymp.Sig. 2-tailed adalah 0,372 dan
di atas nilai signifikan 0,05. Dengan kata lain variabel residual berdistribusi normal. Nilai kolmogrov-smirnov Z lebih kecil dari 1,97 yaitu sebesar 0,916. Ini
berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau dengan kata lain dikatakan normal.
2. Multikolinearitas Uji multikolinearitas dilakukan untuk menguji data, apakah terdapat
korelasi yang tinggi diantara variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Suatu variabel tidak terkena
multikolinearitas, jika nilai Variance Inflation Factor VIF tidak lebih besar 5
Universitas Sumatera Utara
60 VIF 5 dan nilai Tolerance tidak kurang dari 0,1 Tolerance 0,1. Uji
multikolinearitas pada penelitian ini dapat dilihat pada Tabel 4.8 berikut.
Tabel 4.8 Hasil Analisis Instrumen Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1Constant 3.703
2.644 1.401
.164 KonsepDiri
.417 .102
.362 4.103
.000 .930 1.075
LingkunganKeluarga .385
.104 .327
3.706 .000
.930 1.075 a. Dependent Variable: MinatBerwirausaha
Sumber : Hasil Pengolahan Data Primer Kuesionerdengan menggunakan
SPSS 16.00, 2014
Tabel 4.8 menunjukkan tidak adanya masalah multikolinearitas, dimana hasil uji Variance Inflation Factor VIF pada variabel konsep diri, dan
lingkungan keluargamenunjukkan nilai kurang dari lima VIF 5. Nilai Variance Inflation Factor VIF pada variabel konsep diriadalah 1,075; dan variabel
lingkungan keluargaadalah 1,075. Nilai Variance Inflation Factor VIF yang lebih kecil dari 5 lima menunjukkan bahwa tidak ada masalah multikolinearitas
dalam model penelitian ini. Nilai Tolerance pada variabel konsep diriadalah 0,930;dan variabel
lingkungan keluargasebesar 0,930. Nilai Tolerance lebih besar dari 0,1 Tolerance 0,1, maka tidak terdapat multikolinearitas.
Universitas Sumatera Utara
61 3. Heteroskedastisitas
Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkandalam spesifikasi model regresi, dengan kata lain heteroskedastisitas
terjadi jika residual tidak memiliki varian yang konstan. Heteroskedastisitas dapat diketahui dengan melakukan dua pendekatan yakni pendekatan statistik uji
glesjer dan pendekatan grafik. Kriteria pengambilan keputusan:
a. Jika nilai signifikasi 0,05, maka tidak mengalami gangguan
heteroskedastisitas. b.
Jika nilai
signifikasi 0,05,
maka mengalami
gangguan heteroskedastisitas.
Tabel 4.9 Hasil Analisis Instrumen Heteroskedastisitas
Pendekatan Statistik Uji Glesjer
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .857
1.821 .471
.639 KonsepDiri
-.055 .070
-.081 -.778
.438 LingkunganKeluarga
.073 .072
.106 1.014
.313 a. Dependent Variable: absut
Tabel 4.9 pada penelitian ini menunjukkan bahwa hasil uji signifikan variabel konsep diriadalah sebesar 0,438; hasil uji signifikan padavariabel
lingkungan keluargaadalah
sebesar 0,313.
Hasil analisis
instrument heteroskedastisitas pada penelitian ini menunjukkan bahwa masing-masing
Universitas Sumatera Utara
62 variabel independen konsep diri dan lingkungan keluargamenunjukkan nilai
lebih besar dari 5, sehingga dapat disimpulkan bahwa pada data penelitian tidak terdapat adanya heteroskedastisitas dalam model regresi.
Uji heteroskedastisitas dapat juga dilihat melalui gambar scatterplot. Gambar 4.3 berikut adalah gambar scatterplot yang dapat mengindikasi ada atau
tidaknya gejala heteroskedastisitas. Suatu model regresi jika dianalisis dengan pendekatan grafik, tidak terkena heteroskedastisitas apabila pada grafik scatterplot
terlihat titik-titik yang menyebar secara acak dan tidak membentuk suatu pola tertentu.
Gambar 4.3 Scatterplot Dependent Variable Minat Berwirausaha
Sumber : Hasil Pengolahan Data Primer Kuesionerdengan menggunakan
SPSS 16.00, 2014
Universitas Sumatera Utara
63 Gambar 4.3 menunjukkan bahwa penyebaran residual cenderung tidak
teratur, terdapat titik-titik yang berpencar dan tidak membentuk pola tertentu. Kesimpulan yang dapat diperoleh adalah tidak terdapat gejala heteroskedastisitas
pada model regresi penelitian ini.
4.2.3 Analisis Regresi Linear Berganda
