4. Hasil Uji Asumsi Klasik
a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah distribusi sebuah data
dapat mengikuti atau mendekati hukuman sebaran data normal.
12
Sebaran data dapat dilakukan normal apanbila nilai sig 0,05, dan sebaliknya data tidak
normal jika nilai sig 0,05. Atau selain itu, intuk mendeteksi normalitas adalah dengan melihat tabel histogram dan normal P-Plot pada hasil output analisis
data program computer SPSS versi 16.0 for Windows
Tabel 4.10 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Predicted
N 108
Normal Parameters
a
Mean 19.2037037
Std. Deviation 2.71214282
Most Extreme Differences
Absolute .122
Positive .101
Negative -.122
Kolmogorov-Smirnov Z 1.269
Asymp. Sig. 2-tailed .080
a. Test distribution is Normal. Sumber : Hasil Pengolahan SPSS Tahun 2015
12
M. Nisfiannoor, Pendekatan Statistika Modern Untuk Ilmu Sosial. h.91
Hasil uji normalitas berdsarkan analisa statistik non-parametrik Kolmogorov Smirnov pada Tabel 4.10 diatas menunjukan nilai rata-rata sig p
0.080 0,05, hal ini berarti data residual berdistribusi normal. b. Uji Multikolinearitas
Untuk mendeteksi ada tidaknya multikolinearitas dilakukan dengan melihat VIF Variance Inflation Faktor pada Output SPSS versi 16.0. pada
umumnya apabila nilai tolerance lebih dari 0,1 dan nilai VIF kurang dari 10 VIF 10 maka Variabel tersebut tidak mempunyai masalah
multikolinearitas.
Tabel 4.11 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance VIF
1 Constant
-7.481 .049
- 153.497
.000 VAR
PELAYANAN .331
.003 .876 109.949 .000
.646 1.547 VAR
PROMOSI .076
.003 .186 23.284 .000
.646 1.547 a. Dependent Variable: Standardized Predicted
Value Sumber : Hasil Pengolahan SPSS 16.0 Tahun 2015
Sumber : Hasil Pengolahan SPSS 16.0 Tahun 2015 Dari gambar 4.12 adalah grafik scatterplot yang menunjukan bahwa data
tersebar di atas dan di bawah angka 0 Nol pada sumbu Y dan tidak terdapat suatu pola yang jelas pada penyebaran data tersebut. Hal ini berarti tidak terjadi
heteroskedastisitas pada model persamaan regresi, sehingga model regresi layak digunakan untuk memprediksi minat pedagang pasar parung dalam
memafaatkan fasilitas pembiayaan di BMT UGT Sidogiri berdasarkan variabel yang mempengaruhinya.
5. Analisis Regresi Linear Berganda
Teknik analisis data dalam penelitian ini menggunakan metode analisis regresi linear untuk pembuktian hipotesis penelitian, yaitu untuk menguji
pengaruh variabel-variabel independen terhadap variabel dependen. Analisis ini menggunakan input berdasarkan data primer yang diperoleh dari lembar
kuesioner yang telah tersebar ke 108 responden. Perhitungan statistik dalam penelitian ini menggunaka aplikasi berbasis Windows yaitu SPSS versi 16.0.
Tabel 4.12 Hasil Analisis Regresi Linear Berganda
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance VIF