70
4.2.2 Pengujian Asumsi Klasik
Salah satu syarat yang menjadi dasar penggunaan model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah
dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias Best Linier Unbiased Estimator. Menurut Ghozali 2006 : 123, asumsi
klasik yang harus dipenuhi adalah : Berdistribusi normal.
Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara
sempurna atau pun mendekati sempurna. Non-Autokorelasi, artinya kesalahan pengganggu dalam model
regresi tidak saling berkorelasi. Non-Heteroskedastisitas, artinya variance variabel independen dari
satu pengamatan ke pengamatan lain adalah konstan atau sama.
4.2.2.1 Uji Normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau
tidak. Hasil uji normalitas dengan menggunakan model Kolmogorov- Smirnov adalah seperti yang ditampilkan berikut ini :
Universitas Sumatera Utara
71
Tabel 4.4 Pengujian Normalitas 1
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 92
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 4.47208053
Most Extreme Differences Absolute
.138 Positive
.138 Negative
-.068 Kolmogorov-Smirnov Z
1.327 Asymp. Sig. 2-tailed
.059 a. Test distribution is Normal.
b. Calculated from data.
Dari tabel di atas, besarnya Kolmogorov-Smirnov K-S adalah 1.327 dan signifikansi pada 0.059. Hal tersebut menunjukkan bahwa
hasil pengujian statistik dengan model Kolmogorov-Smirnov adalah data telah terdistribusi normal karena nilai Asym.Sig 2-tailed Kolmogorov-
Smirnov lebih besar dari 0.05. Untuk lebih jelasnya, berikut ini ditampilkan hasil uji normalitas dengan menggunakan analisis grafik
yaitu grafik histogram dan grafik normal probability plot.
Universitas Sumatera Utara
72
Gambar 4.1 Pengujian Normalitas 2
Gambar 4.2 Pengujian Normalitas 3
Universitas Sumatera Utara
73 Gambar 4.1 memperlihatkan bahwa pada grafik histogram,
distribusi data mengikuti kurva berbentuk lonceng yang tidak menceng skewness ke arah kiri atau kanan, sehingga dapat disimpulkan bahwa
data tersebut terdistribusi normal. Gambar 4.2 memperlihatkan grafik normal probability plot, yang menunjukkan bahwa data titik-titik
menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Hal tersebut berarti data terdistribusi normal. Hal ini sejalan dengan hasil
pengujian dengan menggunakan histogram dan model Kolmogorov- Smirnov, yaitu yang berkesimpulan bahwa data telah terdistribusi normal.
Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
4.2.2.2 Uji Multikolinearitas