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