Uji Normalitas Data Uji Multikolinieritas Uji Heterokesdastisitas

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