64
4.2 Uji Asumsi Klasik
4.2.1 Uji Normalitas Data
Salah satu prasarat yang harus dipenuhi dalam analisis regresi berganda adalah uji kenormalan data yang akan dianalisis tersebut. Normal
tidaknya model regresi yang diperoleh dapat dilihat dari tabel 4.7 Tabel 4.7
Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
91 .0000000
.35160171 .068
.068 -.063
.646 .798
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber: Data primer yang diolah, 2008
Dari Tabel 4.7 pada baris Asymp Sig untuk dua sisi diperoleh nilai signifikansi 0,05 yang berarti Ho diterima atau data dari masing-masing
variabel berdistribusi normal.
4.2.2 Uji Multikolinieritas
Syarat berlakunya model regresi berganda adalah antar variabel bebasnya tidak memiliki hubungan sempurnatidak mengandung
multikolinieritas. Untuk lebih jelasnya dapat dilihat pada tabel 4.8
65
Tabel 4.8 Hasil Uji Multikolinieritas
Coefficients
a
.204 4.904
.219 4.576
.731 1.368
.703 1.423
.680 1.470
Nilai Adaptif Nilai Produktif
Kesesuaian Materi Mata Diklat
Peran Guru Pembimbing Peran Pembimbing
Lapangan Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: Hasil Prakerin a.
Sumber: Data primer yang diolah, 2008
Model regresi yang bebas multikolinieritas memiliki tolerance diatas 0,1 dan VIF dibawah 10. Dari tabel 4.8 terlihat memiliki nilai tolerance
diatas 0,1 dan nilai VIF dibawah 10 sehingga dapat disimpulkan bahwa model regresi tidak mengandung multikolinieritas.
4.2.3 Uji Heterokesdastisitas
Uji Heterokesdastisitas untuk mengetahui apakah terjadi penyimpangan model karena varian gangguan yang berada antar satu
observasi ke observasi lain. Untuk mengetahui gejala haterokesdastisitas dilakukan dengan mengamati grafik scatter plot antara nilai prediksi
variabel terikat residualnya. Deteksi ada tidaknya heterokesdastisitas dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara prediksi
variabel terikat. Hasil ini dilihat pada Gambar 4.1
66
Gambar 4.1
Regression Standardized Predicted Value
3 2
1 -1
-2 -3
Regress ion
St ud
entized Resid
ual
3 2
1 -1
-2 -3
Dependent Variable: Nilai Prakerin Scatterplot
Sumber: Data primer yang diolah, 2008
Berdasarkan Gambar 4.1 tersebut diperoleh scatter plot yang tidak membentuk pola tertentu, maka regresi tidak memiliki gejala
heterokesdastisitas.
4.3 Analisis Statistik