Tabel 4.10 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 89
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 2.56899964
Most Extreme Differences Absolute
.056 Positive
.056 Negative
-.034 Kolmogorov-Smirnov Z
.524 Asymp. Sig. 2-tailed
.946 a. Test distribution is Normal.
b. Calculated from data. Sumber: Hasil pengolahan data primer Kuesioner, SPSS for windows, 2015
Pada Tabel 4.7 terlihat bahwa nilai Asymp. Sig 2-tailed adalah 0.946 dan diatas nilai signifikansi 0,05 atau 5. Hal ini berarti residual data berdistribusi
normal. Nilai Kolmogorv-Sminorv Z lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empiric atau dengan kata lain data dikatakan
normal.
4.4.2 Uji Heterokedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama di antara anggota grup tersebut. Jika varians sama, dan
yang seharusnya tidak terjadi maka dikatakan ada homokedastisitas, sedangkan jika varians tidak sama dikatakan heteroskedastisitas Situmorang Lufti , 2014 : 121-
122. Gejala heterokedastisitas dapat dideteksi dengan dua cara yaitu:
1. Analisis Grafik
Gejala heterokedastisitas dapat dilihat dengan menggunakan grafik Scatterplot.Apabila data yang berbentuk titiktitik tidak membentuk suatu pola atau
menyebar, maka model regresi tidak terkena heterokedastisitas. Kriteria pengambilan keputusan:
1. Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heterokedastisitas.
2. Jika diagram pencar yang ada tidak membentuk pola-pola tertentu yang teratur
maka regresi tidak mengalami gangguan heterokedastisitas.
Sumber: Hasil pengolahan data primer Kuesioner, SPSS for windows, 2015
Gambar 4.4 Scatter Plot Heterokedastisitas
Grafik 4.4 menunjukkan bahwa terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di
bawah angka nol 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak pakai untuk memprediksi
keberhasilan usaha pengusaha mikro di wilayah Kelurahan Madras Hulu, berdasarkan masukkan variabel pengetahuan dan karakteristik kewirausahaan.
2. Analisis Statistik Kriteria keputusan:
1. Jika probabilitas 0,05 maka tidak mengalami gangguan heterokedastisitas 2. Jika probabilitas 0,05 maka mengalami gangguan heterokedastisitas.
Gejala heterokedastisitas dapat juga dideteksi melalui uji Glejser. Tabel 4.12 berikut ini menampilkan hasil pengujian heterokedastisitas dengan uji Glejser.
Tabel 4.11 Uji Glejser
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 7.134
1.957 3.645
.368 PENGETAHUAN
-.354 .079
-.462 1.480
.197 KARAKTERISTIK
.103 .081
.130 1.264
.210 a. Dependent Variable: absut
Sumber: Hasil pengolahan data primer Kuesioner, SPSS for windows, 2015
Pada Tabel 4.11 dapat dilihat bahwa kolom Sig. pada tabel koefisien regresi untuk variabel independen adalah 0,197, 0,210, atau probabilitas lebih besar dari
0,05 maka tidak terjadi gangguan heterokedastisitas. Hal ini menunjukkan semua variabel independent yang terdiri dari pengetahuan dan karakteritik signifikan secara
statisik mempengaruhi variabel dependent.
4.4.3 Uji Multikolinieritas
