Hasil Uji Normalitas Uji Asumsi Klasik

2. Uji Asumsi Klasik

Analisa dilakukan dengan metode analisa regresi berganda. Sebelum dilakukan uji hipotesis, peneliti akan melakukan uji asumsi klasik. Pengujian ini perlu dilakukan untuk mengetahui apakah distribusi data yang digunakan dalam penelitian sudah normal, serta bebas dari gejala multikolinearitas, heteroskesdastisitas serta autokorelasi. Menurut Ghozali 2005:123 asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna, non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi, homoskedasitas, artinya variance variabel independen dari satu pengamatan kepengamatan yang lain adalah konstan atau sama.

a. Hasil Uji Normalitas

Pengujian ini dimaksudkan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Adapun uji normalitas dapat dilakukan dengan dua cara yaitu analisis garfik dan statistik. Hasil pengujian normalitas dapat dilihat pada grafik 4.1 dan 4.2. . Gambar 4.1 Uji Normalitas Sumber: Lampiran D Gambar 4.2 Uji Normalitas Sumber: Lampiran D Analisis grafik dapat digunakan dengan dua alat yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal. Berikut hasil uji normalitas dengan menggunakan analisis grafik. Dengan melihat tampilan grafik histogram pada gambar 4.1 diatas kita dapat melihat bahwa gambar grafik berbentuk lonceng dan menceng ke kiri. Hal ini menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot pada gambar 4.2 diatas terlihat titik-titik menyebar di sepanjang dan menjauhi garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi asumsi normalitas. Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Pengujian normalitas dengan metode statistik ini dapat dilihat pada tabel 4.3 sebagai berikut: Tabel 4.3 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 96 Normal Parameters a Mean .0000000 Std. Deviation 3.991649785 Most Extreme Differences Absolute .317 Positive .317 Negative -.221 Kolmogorov-Smirnov Z 3.107 Asymp. Sig. 2-tailed .000 a. Test distribution is Normal. Sumber: Lampiran D Hasil uji Kolmogorov-Smirnov pada tabel diatas menujukkan nilai probabilitas = 0.00. Dengan demikian, data pada penelitian ini tidak berdistribusi normal dan tidak dapat digunakan untuk melakukan uji hipotesis karena 0.000 0,05. Pada pengujian normalitas dengan analisis statistik dapat ketahui bahwa data yang digunakan oleh penulis tidak berdistribusi normal sehingga data ini tidak dapat digunakan untuk melakukan uji hipotesis. Pada penelitian ini penulis menggunakan metode transformasi data untuk menormalkan data penelitian. Menurut Gozali 2005:32, “data yang tidak terdistribusi secara normal dapat ditransformasi agar menjadi normal”. Salah satu trasformasi data yang dapat dilakukan adalah dengan mentransformasikan data ke LG10 atau logaritma 10 atau LN. Hasil transformasi data dapat dilihat pada lampiran G di halaman. Setelah dilakukan transformasi, penulis melakukan pengujian ulang terhadap uji normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi normal atau tidak. Hasil pengujian normalitas dengan uji grafik dan statistik setelah transformasi dapat dilihat sebagai berikut pada gambar 4.3 dan 4.4 dan table 4.4.: Gambar 4.3 Uji Normalitas setelah transformasi Sumber: Lampiran F Gambar 4.4 Uji Normalitas setelah transformasi Sumber: Lampiran F Tabel 4.4 Uji Normalitas setelah transformasi One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Residual N 94 Normal Parameters a Mean .0000000 Std. Deviation .91219273 Most Extreme Differences Absolute .074 Positive .046 Negative -.074 Kolmogorov-Smirnov Z .721 Asymp. Sig. 2-tailed .675 a. Test distribution is Normal. Dengan melihat tampilan grafik histogram pada gambar 4.3 diatas kita dapat melihat bahwa gambar grafik berbentuk lonceng dan tidak menceng ke kiri dan kekanan yang menunjukkan bahwa data terdistribusi secara normal. Pada grafik P-P Plot pada gambar 4.4 diatas terlihat titik-titik menyebar di sepanjang dan tidak menjauhi garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas. Hasil uji Kolmogorov-Smirnov pada tabel 4.3 diatas menujukkan nilai probabilitas = 0,675. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan uji hipotesis karena 0,675 0,05.

b. Hasil Uji Heteroskedastisitas