Uji normalitas Uji multikolinearitas

5.1.2. Uji Asumsi Klasik

Menurut Ghozali 2005 untuk menghasilkan suatu analisis data yang akurat, suatu persamaan regresi sebaiknya terbebas dari asumsi-asumsi klasik yang harus dipenuhi antara lain uji, normalitas, multikolinearitas, autokorelasi dan heteroskedastisitas.

5.1.2.1. Uji normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Uji Normalitas bertujuan untuk melihat apakah model regresi, variabel pengganggu atau residual berdistribusi normal. Untuk itu dilakukan uji one sample Kolmogorov Smirnov Test. Adapun hasil pengujian terdapat pada Tabel 5.2 berikut: Tabel 5.2. Hasil Pengujian One Sample Kolmogorov Smirnov Test One-Sample Kolmogorov-Smirnov Test A_Res N 72 Mean .0000000 Normal Parameters a,,b Std. Deviation .67003631 Absolute .197 Positive .154 Most Extreme Differences Negative -.197 Kolmogorov-Smirnov Z 1.668 Asymp. Sig. 2-tailed .068 a. Test distribution is Normal. b. Calculated from data. Sumber: Output SPSS Lampiran 2 p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara Dari hasil pengujian terlihat pada Tabel 5.2 tersebut terlihat besarnya nilai Kolmogorov-Smirnov adalah 1.668 dan signifikan pada 0.068. Hal ini berarti H ditolak yang berarti data residual berdistribusi normal. Selain itu dapat diuji dengan melihat Gambar Normal PP Plot sebagai berikut: Gambar 5.1. Normalitas Data dengan PP Plot Berdasarkan Gambar 5.1 tersebut titik-tik menyebar di sekitar garis diagonal tidak membentuk pola acak yang bermakna residual memiliki varians yang terdistribusi normal.

5.1.2.2. Uji multikolinearitas

Multikolinearitas merupakan fenomena adanya korelasi yang sempurna antara satu variabel bebas dengan variabel bebas lain. Jika terjadi multikolinearitas, akan mengakibatkan timbulnya kesalahan standar penaksir dan probabilitas untuk menerima hipotesis yang salah semakin besar. Menurut Ghozali 2005 salah satu cara untuk mengetahui adanya multikolinearitas adalah dengan melakukan uji VIF Variance Inflation Factor yaitu jika VIF tidak lebih dari 10 dan nilai Tolerance p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine. Get yours now Universitas Sumatera Utara tidak kurang dari 1 maka model dapat dikatakan terbebas dari multikolinearitas. Berdasarkan hasil pengolahan SPSS atas data yang diperoleh, dapat dilihat pada Tabel 5.3 berikut: Tabel 5.3. Uji Multikolinearitas Coefficients a Collinearity Statistics Model Tolerance VIF Ln_PP_X1 .900 1.111 1 KM_X2 .900 1.111 a. Dependent Variable: SM_Y Sumber: Hasil Output SPSS Lampiran 2 Dari tabel tersebut di atas dapat dilihat bahwa nilai VIF untuk masing-masing variabel adalah 10 dan Tolerance tidak kurang dari 1. Hal ini membuktikan bahwa model regresi yang digunakan dalam penelitian ini tidak terdapat gejala multikolinearitas homoskedastisitas.

5.1.2.3. Uji autokorelasi