4.2.2.1 Uji Normalitas
Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal adalah uji statitstik
non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
H Ha : data residual tidak berdistribusi normal.
: data residual berdistribusi normal
Apabila nilai siginifikansi lebih besar dari 0,05 maka H
diterima dan Ha ditolak, sebaliknya jika nilai signifikansi lebih kecil dari 0,05 maka H
Tabel 4.11 Hasil Uji Normalitas
ditolak dan Ha diterima
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 32
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .09584515
Most Extreme Differences
Absolute .180
Positive .170
Negative -.180
Kolmogorov-Smirnov Z 1.017
Asymp. Sig. 2-tailed .253
a. Test distribution is Normal.
Sumber: diolah peneliti,2012
Universitas Sumatera Utara
Berdasarkan hasil uji statistik dengan model Kolmogorov- Smirnov seperti yang terdapat dalam tabel 4.7 dapat disimpulkan
bahwa data berdistribusi normal. Hal ini dapat dilihat dari nilai signifikansi sebesar 0,253 lebih besar dari 0,05.
Data berdistribusi normal juga dapat dilihat dengan menggunakan normal probably plot of standardized residual,
yang hasilnya tampak pada gambar 4.11.
Sumber: diolah peneliti 2012
Gambar 4.1 Grafik Normal
P-Plot
Berdasarkan gambar 4.1 dapat dilihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya
mengikuti arah garis diagonal. Dengan demikian dapat
Universitas Sumatera Utara
dinyatakan bahwa penyebaran data mendekati normal atau telah memenuhi asumsi normalitas. Hal ini juga dapat dilihat
dengan menggunakan grafik histogram seperti berikut:
Sumber: diolah peneliti 2012
Gambar 4.2 Grafik Histogram
Grafik histogram menunjukkan pola distribusi normal karena grafik tidak melenceng ke kiri maupun melenceng ke kanan.
4.2.2.2 Uji Multikolinieritas
Universitas Sumatera Utara
Deteksi multikolinieritas dapat dilihat, yaitu jika nilai Variance Inflation Factor VIF tidak lebih dari 10
dan nilai tolerance tidak kurang dari 0,1 maka dapat dikatakan terbebas dari multikolinieritas. Nilai VIF
serta tolerance dari variabel-variabel peneltian dapat dilihat dari tabel berikut ini.
Tabel 4.12 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant .794
.166 4.787
.000 KI
-.168 .119
-.218 -1.412
.170 .834
1.200 DKI
.173 .114
.225 1.524
.140 .908
1.102 KM
-.127 .042
-.465 -2.995
.006 .820
1.220 KA
-.130 .040
-.485 -3.222
.004 .874
1.145 PRO
2.929E-6 .000
.046 .288
.776 .789
1.267 SIZE
-8.150E-10 .000
-.023 -.128
.899 .602
1.661 a. Dependent Variable: TJS
Sumber: diolah peneliti, 2012 Berdasarkan tabel 4.8 di atas dapat disimpulkan penelitian ini bebas
dari gejala multikolinieritas. Semua variabel independen memiliki nilai VIF lebih kecil dari 10. Selain itu, nilai tolerance setiap variabel
independen lebih besar dari 0,1. Dengan demikian tidak ada multikolinieritas dalam model regresi ini.
Universitas Sumatera Utara
4.2.2.3 Uji Heteroskedastisitas
Kategori