analisis regresi linear berganda, pengujian hipotesis uji t dan uji F dan koefisien determinasi.
4.1.4.1 Uji Asumsi klasik
1. Uji Normalitas
Hasil
output
dari pengujian normalitas dengan Kolmogorov-Smirnov adalah sebagai berikut.
Tabel 4.17 One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
130 Normal Parameters
a
Mean .0000000
Std. Deviation 2.04997563
Most Extreme Differences Absolute
.061 Positive
.037 Negative
-.061 Kolmogorov-Smirnov Z
.691 Asymp. Sig. 2-tailed
.727 a. Test distribution is Normal.
Dari tabel diperoleh nilai sig = 0,727 = 72,7 5, maka H diterima.
Artinya variabel
unstandarized
berdistribusi normal. Uji normalitas juga dapat dilihat pada grafik Normal P-Plot sebagai
berikut :
Gambar 4.1 Grafik Normal P-Plot
Berdasarkan gambar di atas diketahui bahwa titik-titik pada gambar normal
probability plot
cenderung membentuk garis diagonal, sehingga dapat disimpulkan bahwa variabel terikat dan variabel bebas keduanya memiliki
distribusi normal.
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
tidak terjadi korelasi antar variabel bebas. Untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah dengan melihat nilai toleransi
dan
Variance Inflation Factor
VIF. Apabila nilai
tolerance
10 dan nilai VIF 10, maka dapat disimpulkan tidak ada multikolinieritas antar variabel
bebas dalam model regresi. Berikut hasil perhitungan menggunakan program SPSS 16:
Tabel 4.18 Coefficients
a
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.670 1.767
.379 .705
X1 .278
.036 .481
7.673 .000
.919 1.089
X2 .343
.049 .437
6.973 .000
.919 1.089
a. Dependent Variable: Y
Berdasarkan tabel diatas terlihat setiap variabel bebas mempunyai nilai
tolerance
0,1 dan nilai VIF 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel bebas dalam model regresi ini.
3. Uji Heteroskedastisitas