Uji Normalitas Uji Heteroskedastisitas

57

4.4 Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk melihat apakah suatu model layak atau tidak layak digunakan dalam penelitian.Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada regresi liner berganda. Uji Asumsi Klasik yang digunakan dalam penelitian ini adalah sebagai berikut:

4.4.1 Uji Normalitas

Uji normalitas adalah untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Uji normalitas dilakukan dengan menggunakan pendekatan Kolmogorov Smirnov. Dengan menggunakan tingkat signifikansi 5 maka jika nilai Asymp.sig. 2-tailed di atas, nilai signifikan 5 artinya variabel residual berdistribusi normal Situmorang dan Lufti, 2012:100 Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histrogram dan grafik normal plot yang membandingkan antara dua absorvasi dengan distribusi yang mendekati distribusi normal : a. Pendekatan Histogram Sumber :Hasil pengolahan SPSS 2016 Universitas Sumatera Utara 58 Gambar 4.1 Histogram Uji Normalitas Berdasarkan Gambar 4.1 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak melenceng ke kiri atau ke kanan. b. Pendekatan Grafik Sumber :Hasil pengolahan SPSS 2016 Gambar 4.2 Plot Uji Normalitas Pada Gambar 4.2 menunjukkan bahwa pada scatter plot erlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini menunjukkan bahwa residual peneliti normal. Namun untuk lebih memastikan bahwa di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov K-S. Universitas Sumatera Utara 59 c. Pendekatan Kolmogorov-Smirnov Tabel. 4.7 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 62 Normal Parameters a Mean .0000000 Std. Deviation 1.18594895 Most Extreme Differences Absolute .132 Positive .080 Negative -.132 Kolmogorov-Smirnov Z 1.043 Asymp. Sig. 2-tailed .227 a. Test distribution is Normal. Sumber :Hasil pengolahan SPSS 2016 Pada Tabel 4.7 menunjukkan bahwa nilai Asymp. Sig. 2-tailed adalah 0.227 dan diatas nilai signifiksn 0,05 atau 5, sehingga dapat disimpulkan bahwa variabel residual berdistribusi normal.

4.4.2 Uji Heteroskedastisitas

Tujuan uji heteroskedastisitas adalah untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual antara satu pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa cara untuk mendekati ada atau tidaknya heteroskedastisitas yaitu : Universitas Sumatera Utara 60 a. Pendekatan Grafik Sumber :Hasil pengolahan SPSS 2016 Gambar 4.3 Scatterplot Heteroskedastisitas Berdasarkan gambar 4.3 dapat terlihat bahwa tidak ada pola yang jelas serta titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka berdasarkan metode grafik tidak terjadi heteroskedastisitas pada model regresi layak dipakai untuk memprediksi keberhasilan usaha berdasarkan masukan variabel perilaku wirausaha dan lingkungan keluarga. Universitas Sumatera Utara 61 b. Uji Glesjer Glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen maka ada indikasi terjadi heteroskedastisitas. Tabel 4.8 Hasil Uji Glejser heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .441 1.168 .377 .707 Perilaku Wirausaha -.050 .023 -.305 -2.167 .034 Lingkungan Keluarga -.123 .046 -.376 -2.671 .010 a. Dependent Variable: Absut Sumber :Hasil pengolahan SPSS 2016 Pada Tabel 4.8 terlihat variabel independen perilaku wirausaha dan lingkungan keluarga yang tidak signifikan secara statistik mempengaruhi variabel dependen absolute Ut absUt. jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.

4.4.3 Uji Multikolinearitas