1. Substruktural I a. Uji Normalitas
Uji normalitas adalah uji yang digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal,
yakni distribusi data dengan bentuk seperti lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni
distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan.
Sumber : Hasil Penelitian, 2011 Data Diolah
Gambar 4.1 Histogram Variabel Dependen
Gambar 4.1 memperlihatkan bahwa variabel terikat yaitu pendapatan premi mempunyai pola berdistribusi normal. Hal ini ditunjukkan oleh
distribusi data yang tidak menceng ke kiri atau ke kanan. Uji normalitas juga dapat dilakukan dengan melihat penyebaran data
titik pada garis diagonal dari grafik normalitas Normal P-P Plot. Jika data menyebar disekitar garis diagonal, maka dapat disimpulkan
bahwa data berdistribusi normal. Namun jika data menyebar jauh dari
garis diagonal atau tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa data tidak berdistribusi normal.
Sumber : Hasil Penelitian, 2011 Data Diolah
Gambar 4.2 Normal P-P Plot
Scatter plot pada Gambar 4.2 memperlihatkan titik-titik yang tersebar di sepanjang garis diagonal dan tidak memotong arah garis diagonal.
Hal ini menunjukkan bahwa data berdistribusi normal. Namun, seringkali data kelihatan normal karena mengikuti arah garis diagonal,
padahal belum tentu data tersebut berdistribusi normal. Untuk memastikan apakah data di sepanjang garis diagonal tersebut
berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1 sample KS yakni dengan melihat data residualnya apakah
berdistribusi normal atau tidak. Jika nilai Asym.sig 2-tailed taraf nyata
α = 0,05 maka data residual berditribusi normal, sebaliknya jika
nilai Asym.sig 2-tailed taraf nyata α maka data residual tidak
berdistribusi normal.
Tabel 4.6 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
60 Normal Parameters
a
Mean .0000002
Std. Deviation 2.47266466E9
Most Extreme Differences Absolute
.228 Positive
.228 Negative
-.124 Kolmogorov-Smirnov Z
1.764 Asymp. Sig. 2-tailed
.004 a. Test distribution is Normal.
Sumber : Hasil Penelitian, 2011 Data Diolah
Tabel 4.6 memperlihatkan bahwa nilai Asymp.Sig2-tailed adalah sebesar 0,04 lebih kecil
dari taraf nyata α = 0,05. Dengan demikian dapat disimpulkan bahwa data residual tidak berdistribusi normal.
Setelah dilakukan uji normalitas diperoleh hasil yaitu data tidak berdistribusi normal. Salah satu cara yang dapat dilakukan apabila data
tidak berdistribusi normal yaitu dengan melakukan transformasi data menjadi bentuk natural Ln.
2. Substruktural II a. Uji Normalitas