Tabel 4.8 : Hasil Uji Normalitas
Variabel-Variabel Penelitian Kolmogorov
Smirnov Tingkat
Signifikan Perilaku Belajar X
1
Kecerdasan Emosional X
2
Stres Kuliah Y 0,471
1,056 0,701
0,979 0,215
0,710
Sumber : Lampiran 6
Dari hasil perhitungan dengan menggunakan SPSS 17.0 pada tabel diatas menunjukkan bahwa distribusi data pada variabel perilaku belajar
X
1
, kecerdasan emosional X
2
dan stress kuliah Y adalah berdistribusi normal, karena tingkat signifikan dari Kolmogorov Smirnov yang
dihasilkan lebih dari 0,05 sig 5.
4.4. Uji Asumsi Klasik
Persamaan regresi linier harus bersifat BLUE Best Linier Unbiased Estimator
yang artinya pengambilan keputusan Uji F dan Uji t tidak boleh bias sesuai dengan tujuan.
Untuk mendukung keakuratan hasil model regresi, maka perlu dilakukan penelusuran terhadap asumsi klasik yang meliputi asumsi
multikolinieritas dan heteroskedastisitas.
4.4.1. Multikolinieritas
Uji multikolinieritas digunakan untuk menunjukkan adanya hubungan linier antara variabel – variabel bebas dalam suatu model
regresi. Model regresi yang baik seharusnya tidak terjadi korelasi
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
diantara variabel bebas. Apabila VIF 10, maka hal ini berarti terdapat multikolinieritas pada persamaan linier. Ghozali, 2006 : 95
Adapun besaran VIF dari masing – masing variabel bebas adalah sebagai berikut :
Tabel 4.9 : Hasil Nilai VIF
No. Variabel Bebas
Nilai VIF 1.
2. Perilaku Belajar X
1
Kecerdasan Emosional X
2
1,231 1,231
Sumber : Lampiran 7
Berdasarkan tabel 4.9 diatas, dapat disimpulkan bahwa antara variabel bebas yaitu variabel perilaku belajar X
1
dan variabel kecerdasan emosional X
2
tidak terdapat korelasi hubungan, karena nilai VIF pada variabel perilaku belajar X
1
dan kecerdasan emosional X
2
adalah sebesar 1,231 yang berarti nilai VIF 10, sehingga dapat dikatakan tidak terjadi multikolinieritas. Dengan
demikian, dapat
disimpulkan bahwa
asumsi tidak
terjadi multikolinieritas pada variabel bebas penelitian ini dapat dipenuhi.
4.4.2. Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan lainnya. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Ghozali, 2001 : 125
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Untuk mendiagnosis adanya heteroskedastisitas, salah satunya dengan melakukan pengujian Rank Spearman. Kriteria terjadinya
heteroskedastisitas adalah : a.
Nilai probabilitas 0,05, maka bebas dari heteroskedastisitas. b.
Nilai probabilitas 0,05 deteksi adanya heteroskedastisitas. Santoso, 2002 : 301
Berikut ini adalah hasil uji Rank Spearman :
Tabel 4.10 : Hasil Uji Rank Spearman
Variabel Bebas Koefisien korelasi
Rank Spearman Tingkat
signifikan Perilaku Belajar X
1
Kecerdasan Emosional X
2
0,084 0,010
0,527 0,940
Sumber : Lampiran 7
Berdasarkan tabel diatas, dapat dijelaskan bahwa tingkat signifikansi korelasi Rank Spearman pada variabel perilaku belajar
X
1
dan kecerdasan emosional X
2
lebih besar dari 5 sig 5. Hal ini menunjukkan tidak adanya heteroskedastisitas antara variabel
bebas dengan residualnya.
4.5. Analisis Regresi Linier Berganda 4.5.1. Persamaan Regresi
