111
Asymp.Sig. lebih besar dari nilai alpha yang sudah ditentukan yaitu 0,05.dengan hasil sebagai berikut:
Tabel 22. Hasil Uji Normalitas
Variabel Kolmogorov-
Smirnov Asym.Sig.
2-tailed Kesimpulan
Unstandirized residual
0,043 0,200
Normal Sumber: Data primer yang diolah
Berdasarkan hasil uji normalitas pada tabel, diperoleh nilai Asymp.
Sig. sebesar 0,200. Hasil tersebut lebih besar dari nilai alpha yaitu 0,05 sehingga dapat dikatakan bahwa data berdistribusi normal.
2. Uji Linearitas
Uji linearitas bertujuan untuk mengetahui apakah setiap variabel independen memiliki hubungan linear atau tidak dengan variabel
dependen. Pada penelitian ini uji linearitas menggunakan uji statistik F. Nilai F hiutng dibandingkan dengan F tabel dengan taraf signifikansi
0,05 5. Apabila nilai F hitung lebih kecil atau sama dengan F tabel serta nilai signifikansi variabel bebas memiliki nilai yang lebih besar dari
nilai signifikansi Deviation from Linearity 0,05 maka hubungan variabel independen terhadap variabel dependen dikatakan linear. Hasil
uji linearitas sebagai berikut:
112
Tabel 23. Hasil Uji Linearitas No Hubungan Variabel
F
Hitung
Sig Keterangan
1 Minat Mahasiswa
Berwirausaha Ekspektasi
Pendapatan 1,550
0,140 Linear
2 Minat Mahasiswa
Berwirausaha Motivasi
1,028 0,429
Linear
3 Minat Mahasiswa
Berwirausaha Pendidikan
Kewirausahaan 1,270
0,202 Linear
4 Minat Mahasiswa
Berwirausaha Norma Subjektif
1,190 0,290
Linear
Sumber: Data primer yang diolah Hasil uji linearitas menunjukkan bahwa variabel independen
Ekspektasi Pendapatan, Motivasi, Pendidikan Kewirausahaan, dan Norma Subyektif menghasilkan nilai Deviation from Linearity yang lebih
besar dari 0,05. Nilai F hitung lebih kecil dari F tabel yaitu 2,40, jadi dapat disimpulkan hubungan masing-masing variabel independen
terhadap variabel dependen adalah linear.
3. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji ada atau tidak hubungan antar variabel bebas dan untuk mengetahui korelasi
antarvariabel bebas dengan melihat nilai tolerance dan lawan Variance Inflation Factor VIF. Model regresi yang baik tidak terdapat korelasi
antarvariabel independen. Apabila nilai tolerance lebih 0,10 atau nilai VIF kurang dari 10 dengan tingkat kolinearitas 0,50 maka menunjukkan
113
tidak terjadi adanya multikolinearitas antarvariabel. Berikut hasil uji multikolinearitas:
Tabel 24. Hasil Uji Multikolinearitas No Variabel
Tolerance VIF
Keterangan 1
Ekspektasi Pendapatan
0,745 1,342
Tidak terjadi multikolineartas
2 Motivasi
0,527 1,897
Tidak terjadi multikolineartas
3 Pendidikan
Kewirausahaan 0,805
1,242 Tidak terjadi
multikolineartas 4
Norma Subjektif 0,677
1,478 Tidak terjadi
multikolineartas Sumber: Data primer yang diolah
Hasil pada tabel dapat dilihat bahwa variabel independen yaitu Ekspektasi Pendapatan, Motivasi, Pendidikan Kewirausahaan, dan
Norma Subyektif memiliki nilai Tolerance yang lebih besar dari 0,10 serta nilai VIF yang lebih kecil dari 10, sehingga dapat disimpulkan
bahwa model regresi ini tidak terjadi multikolinearitas.
4. Uji Heteroskedastisitas