5. Rata – rata dari DER adalah 1,6983 dengan standar deviasi 3,78634 dan jumlah data yang ada adalah 35. Nilai DER tertinggi adalah 27,06 sedangkan nilai
terendah adalah 0,04.
4.3 Pengujian Asumsi Klasik
Uji asumsi klasik merupakan prasyaratan analisis regresi berganda. Dari hasil perhitungan sampel, maka dalam penelitian ini perlu dilakukan pengujian
asumsi klasik terlebih dahulu yang meliputi: uji normalitas, uji multikolinieritas, uji heteroskedasitisitas, dan uji autokolerasi.
Menurut Ghozali 2005:123, asumsi klasik yang harus dipenuhi adalah : 1. Berdistribusi normal,
2. Non-multikolinearitas yaitu antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati
sempurna, 3. Non-autokorelasi yaitu kesalahan pengganggu dalam model regresi tidak saling
berkorelasi, 4. Non-heteroskedastisitas yaitu variance variabel independen dari satu
pengamatan ke pengamatan lain adalah konstan atau sama.
4.3.1 Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov untuk mengetahui apakah data sudah
terdistribusi secara normal atau tidak. Ghozali 2005:115, memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal
berdasarkan uji Kolmogorov- Smirnov, dapat dilihat dari: 1. Jika nilai signifikan 0,05 maka distribusi data tidak normal, dan
2. Jika nilai signifikan 0,05 maka distribusi data normal. Hipotesis yang digunakan adalah :
H : Data residual berdistribusi normal, dan
Universitas Sumatera Utara
H
a
: Data residual tidak berdistribusi normal.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 35
Normal Parameters
a,b
Mean 1.0122326
Std. Deviation .37356412
Most Extreme Differences Absolute
.106 Positive
.087 Negative
-.106 Kolmogorov-Smirnov Z
.629 Asymp. Sig. 2-tailed
.824 a. Test distribution is Normal.
b. Calculated from data. Sumber : Output SPSS, diolah Penulis, 2012
Dari hasil uji normalitas data diatas, maka nilai Kolmogrov – Smirnov menjadi 0,629 dan signifikansi lebih 0,05 karena Asymp. Sig. 2-tailed 0,824
dari 0,05. Nilai signifikansi lebih besar dari 0,05, maka H diterima atau H
1
ditolak yang berarti data residual telah berdistribusi normal. Dengan demikian, secara keseluruhan dapat disimpulkan bahwa nilai-nilai
observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik
histogram dan plot data yang terdistribusi normal.
Universitas Sumatera Utara
Sumber : Output SPSS, diolah Penulis, 2012 Gambar 4.1
Histogram
Grafik histogram diatas menunjukkan pola distribusi normal karena grafik tidak melenceng skeweness kiri maupun melenceng kanan. Dengan demikian,
dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan menggunakan grafik normal p-plot.
Universitas Sumatera Utara
Sumber : Output SPSS, diolah Penulis, 2012 Gambar 4.2
Grafik Normal P-plot
Berdasarkan grafik normal p-plot di atas terlihat bahwa data menyebar disekitar garis diagonal, maka dapat disimpulkan bahwa model regresi telah
memenuhi asumsi normalitas. Hal ini sesuai dengan pernyataan Ghozali 2005:112, dimana pendeteksian normalitas dapat dilakukan dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini
menunjukkan data yang telah terdistribusi normal.
Universitas Sumatera Utara
4.3.2 Uji Multikolinearitas