80 pemeliharaan kesehatan dan untuk mengetahui dan menganalisis faktor- faktor
faktor birokrasi, fasilitas Layanan, sosialiasi, besarnya iuran, perilaku pengusaha dan jaminan.
6.3. Hasil Uji Asumsi Klasik
Pada penelitian ini uji asumsi klasik terdiri dari Uji Normalitas dan Uji Multikolinearitas serta Uji Heteroskedastisitas.
6.3.1 Hasil Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variable penganggu atau residual berdistribusi normal. Ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual penulis menganalisis
grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis probabilitas plot yang
menbandingkan distribusi kumulatif dan distribusi normal. Hipotesis:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah
garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Universitas Sumatera Utara
81
Sumber: hasil pengolahan data, 2012
Gambar 6.1 Histogram Interpretasi dari gambar 6.1, menunjukkan bahwa grafik histogram
menunjukkan pola distribusi normal.
Sumber: hasil pengolahan data, 2012
Gambar 6.2 Normal P- P Plot of Regression Standardized Residual Pada Gambar 6.2 dapat dilihat bahwa data- data titik-titik menyebar
disekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu,
Universitas Sumatera Utara
82 berdasarkan gambar 6.2 dapat diambil kesimpulan bahwa telah memenuhi uji
normalitas. Untuk memastikan apakah data disepanjang garis diagonal berdistribusi
normal maka dilakukan uji Kolmogorov Smirnov 1 Sample KS dengan melihat data residual apakah berdistribusi normal Syafrizal dan Lutfhi, 2008.
Menentukan kriteria keputusan: 1. Jika nilai Asymp.Sig. 2-tailed 0,05 maka tidak mengalami gangguan
distribusi normal. 2. Jika nilai Asymp.Sig. 2-tailed 0,05 maka mengalami gangguan
distribusi normal. Tabel 6. 21 One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
88 Normal Parameters
a
Mean .0000000
Std. Deviation 1.06443221
Most Extreme Differences Absolute
.086 Positive
.086 Negative
-.061 Kolmogorov-Smirnov Z
.809 Asymp. Sig. 2-tailed
.529 a. Test distribution is Normal.
b Calculated from data. Sumber: hasil pengolahan data, 2012
Pengambilan keputusan : Pada Tabel 4.21 terlihat bahwa Asymp. Sig. 2-tailed adalah 0,529, dan
diatas nilai signifikan 5 0,05, dengan kata lain variabel residual berdistribusi normal.
Universitas Sumatera Utara
83
6.3.2 Pengujian Heterokedastisitas