Tabel 4.7
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 66
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.69891499
Most Extreme Differences Absolute
.164 Positive
.164 Negative
-.097 Kolmogorov-Smirnov Z
1.329 Asymp. Sig. 2-tailed
.058 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Pengolahan SPSS 16.0 For Windows
Pada Tabel 4.7 terlihat bahwa Asymp. Sig 2-tailed adalah 0.058 dan diatas nilai signifikan 0.05, dengan kata lain variabel residual berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan kepengamatan
lainnya. Jika varians dari satu residual satu pengamatan ke pengamatan lainnya tetap maka terjadi homoskedastisitas jika berbeda maka disebut
heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas Situmorang dkk, 2010:100. Pemeriksaan terhadap gejala
heteroskedastisitas adalah dengan melihat pola diagram pancar yaitu grafik yang merupakan diagram pancar residual, yaitu selisih antara nilai Y prediksi dan Y
observasi.
Universitas Sumatera Utara
1. Model Grafik Dasar analisis adalah jika diagram pancar yang ada membentuk pola-pola
tertentu yang teratur maka regresi mengalami gangguan heteroskedastisitas. Sebaliknya Jika diagram pancar yang ada tidak membentuk pola-pola tertentu
yang teratur maka regresi tidak mengalami gangguan heteroskedastisitas.
Sumber: Hasil Pengolahan SPSS 16.0 For Windows
Gambar 4.3: Scatterplot
Dari grafik Scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas
maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
2. Model Glejser Menentukan kriteria keputusan:
Universitas Sumatera Utara
a. Jika nilai signifikan 0.05 maka tidak mengalami gangguan heteroskedastisitas.
b. Jika nilai signifikan 0.05 maka mengalami gangguan heteroskedastisitas.
Tabel 4.8
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.454
1.922 1.277
.206 promosi
.021 .067
.040 .317
.752 rotasi
-.048 .049
-.123 -.980
.331 a. Dependent Variable: absut
Sumber: Hasil Pengolahan SPSS 16.0 For Windows
Dari Tabel 4.8 terlihat bahwa dengan jelas tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen
absolute Ut absut. Hal ini terlihat dari probabilitas signifikannya di atas tingkat kepercayaan 5, jadi dapat disimpulkan model regresi tidak mengarah adanya
heteroskedastisitas.
4.3.3 Uji Multikolinieritas