yang diramalkan oleh garis regresi. Jika best disertai sifat unbiased, maka estimator regresi disebut efisien. Estimator regresi akan disebut linear, apabila
estimator itu merupakan fungsi linear dari sampel. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik. Menurut
Ghozali 2013, asumsi klasik yang harus dipenuhi adalah: a.
Berdistribusi normal. b.
Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna
ataupun mendekati sempurna.
c. Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling berkorelasi. d.
Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen mempunyai
distribusi normal ataukah mendekati normal. Uji normalitas dapat dilakukan dengan dua cara, yaitu dengan analisis grafik dan analisis
statistik. Analisis grafik digunakan dengan dua cara, yaitu grafik
histogram dan grafik P-P Plot. Data yang terdistribusi secara normal adalah data yang terdistribusi dengan garis titik-titik berbentuk lonceng
pada grafik histogramnya, titik tersebut tidak mengarah ke kiri atau ke kanan. Pada grafik P-P Plot, data akan menyebar disekitar garis
diagonal dan mengikuti arah garis diagonal apabila data tersebut
terdistribusi secara normal. Berikut hasil uji normalitas dengan menggunakan grafik :
Gambar 4.1 Uji Normalitas Histogram
Sumber : Output SPSS, diolah Penulis, 2015
Gambar 4.2 Uji Normalitas Grafik P-Plot
Sumber : Output SPSS V.16, diolah Penulis, 2015. Dengan melihat tampilan grafik histogram pada gambar 4.1 di
atas, gambar grafik berbentuk lonceng dan menceng ke kiri yang menunjukkan bahwa data tidak terdistribusi secara normal. Gambar
grafik P-P Plot pada gambar 4.2 di atas juga terlihat titik-titik tidak menyebar disepanjang garis diagonal. Kedua grafik tersebut
menunjukkan bahwa model regresi menyalahi asumsi normalitas.
Pengujian normalitas data dengan hanya melihat grafik tidak cukup, sehingga diperlukan melakukan pengujian normalitas data
dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data disepanjang garis diagonal terdistribusi
normal, maka dilakukan uji Kolmogorov-Smirnov 1-sample K-S dengan melihat data residualnya apakah terdistribusi secara normal
atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari
0,05 maka data tidak terdistribusi secara normal. Pengujian normalitas dengan metode statistik ini dapat dilihat pada tabel 4.2 sebagai berikut:
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a
Mean .0000000
Std. Deviation .65847301 Most Extreme Differences
Absolute .168
Positive .168
Negative -.089
Kolmogorov-Smirnov Z 1.166
Asymp. Sig. 2-tailed .132
a. Test distribution is Normal. Sumber : Output SPSS V.16, diolah Penulis, 2015.
Berdasarkan tabel di atas, diperoleh hasil uji Kolmogorov- Smirnov K-S sebesar 1,166 dengan signifikansi di atas 0,05 yaitu
sebesar 0,132. Dengan demikian, nilai K-S tidak signifikan yang berarti residual terdistribusi secara normal.
4.2.2.2 Uji Multikolinearitas