Uji Normalitas Uji Kualitas Data

masing-masing variabel cukup memadai, dengan batas penerimaan 0,40 Hair et.al 1998.

4.3.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel residual memiliki distribusi normal. Untuk menguji apakah distribusi data normal atau tidak, ada dua cara untuk mendeteksinya, yaitu dengan analisis grafik dan uji statistik. Analisis grafik merupakan cara yang termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Dari gambar 4.1. terlihat bahwa pola distribusi mendekati normal, akan tetapi jika kesimpulan normal tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Gambar 4.1. Grafik Histogram Sumber: Data primer yang diolah, 2010 Gambar 4.2. Normal Probability Plot Sumber: Data primer yang diolah, 2010 Grafik probabilitas pada gambar 4.2. diatas sekilas memang terlihat normal karena distribusi data residualnya terlihat mendekati garis normalnya. Namun biasanya hal ini menyesatkan, oleh karena itu analisis statistik digunakan untuk memastikan apakah data tersebut benar-benar normal. Pengujian normalitas data secara analisis statistik dilakukan dengan menggunakan Uji Kolmogorov – Smirnov uji K-S. Dasar pengambilan keputusan melalui analisis ini adalah jika nilai probabilitas signifikansi K-S untuk tiap variabel di atas 0,05 menunjukkan pola variabel terdistribusi secara normal Ghozali, 2007. Dari tampilan uji K-S, nilai signifikansi variabel residual di atas 0.05, artinya model terdistribusi secara normal. Hasil pengujian normalitas data terlihat dalam Tabel 4.7. Tabel 4.7. Hasil Pengujian Normalitas dengan Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Te st 106 .0000000 5.99662621 .081 .072 -.081 .832 .492 N Mean Std. Deviation Normal Parameters a,b Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed Unstandardized Residual Test distribution is Normal. a. Calculated from data. b. Sumber: Data primer yang diolah, 2010 Berdasarkan Tabel 4.7. hasil pengujian normalitas dengan uji kolmogorov- smirnov tampak bahwa model penelitian mengikuti distribusi normal dengan nilai asymptonic significance yang lebih dari 5 persen.

4.3.2 Uji multikolinearitas