4.5 Asumsi Klasik
4.5.1 Uji Normalitas
Uji normalitas berguna untuk melihat apakah data telah terdistribusi normal atau tidak. Uji normalitas dilakukan dengan model
kolmogorov-smirnov. Menurut Ghozali 2005:115 memberikan pedoman
pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov yang dapat dilihat dari:
a nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal,
b nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov- Smirnov dapat dilihat sebagai berikut ini:
Tabel 4.12
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
120 Normal
Parameters
a,,b
Mean .0000000
Std. Deviation 2.92515185
Most Extreme Differences
Absolute .076
Positive .045
Negative -.076
Kolmogorov-Smirnov Z .827
Asymp. Sig. 2-tailed .501
a. Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
Berdasarkan hasil uji statistik pada One-Sample Kolmogorov- Smirnov tersebut dapat terlihat bahwa data terdistribusi dengan normal,
karena Asymp. Sig. 2-tailed pada tabel tersebut 0,05. Guna memenuhi uji normalitas maka peneliti akan
mentransformasikan data penelitian ini kedalam bentuk Logaritma Log, kemudian data diuji ulang dengan menggunakan uji normalitas. Hasil Uji
Normalitas pada data yang telah ditransformasi dapat dilihat pada histogram, dan normal probability plot, One-Sample Kolmogorov-
Smirnov, berikut ini:
Gambar 4.1 Uji Normalitas
Universitas Sumatera Utara
Gambar 4.2 Uji Normalitas
Universitas Sumatera Utara
Tabel 4.13
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
119 Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.93014802
Most Extreme Differences
Absolute .074
Positive .044
Negative -.074
Kolmogorov-Smirnov Z .802
Asymp. Sig. 2-tailed .541
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan hasil Uji Normalitas diatas dengan data yang telah ditransformasi ke dalam bentuk logaritma dan telah di eliminasi, maka
hasil yang di dapatkan adalah data telah terdistribusi secara normal. Hal tersebut di dapat diketahui dengan melihat Asymp. Sig 2-Tailed 0.05,
yaitu sebesar 0,541. Selain itu data yang telah terdistribusi normal dapat kita ketahui dengan melihat Histogram pada gambar 4.1, grafik histogram
pada uji normalitas di atas dapat terlihat bahwa data terdistribusi mengikuti garis diagonal yang tidak menceng Skewness ke kiri maupun
ke kanan. Data yang telah terdistribusi normal juga bisa diketahui dengan melihat grafik plot yang ditunjukkan pada gambar 4.2. Menurut Ghozali
2005:112 pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data
titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Pada
gambar tersebut dapat terlihat bahwa penyebaran data titik menyebar di
Universitas Sumatera Utara
sekitar garis diagonal dan mengikuti arah garis diagonal, oleh sebab itu dapat diketahui bahwa data telah terdistribusi dengan normal.
4.5.2 Uji Multikolinearitas