Uji Asumsi Klasik .1 Uji Normalitas
4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah regresi variabel dependen, variabel independen atau keduanya mempunyai distribusi normal ataukah
tidak mempunyai distribusi normal. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Salah satu metode untuk mengetahui
normalitas adalah dengan menggunakan metode analisis grafik dan analisis statistik.Analisis grafik dapat dilihat dengan melihat grafik histogram ataupun dengan
melihat grafik Normal Probability Plot. Uji normalitas yang pertama dengan melihat grafik histogram sebagaimana terlihat dalam gambar 4.1 di bawah ini
Gambar 4.1 Grafik Histogram Data Asli
Sumber: Data sekunder diolah
Universitas Sumatera Utara
Dari gambar 4.1 terlihat bahwa pola distribusi mendekati normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka
hal ini dapat membingungkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat Normal Probability
Plot yang membandingkan distribusi kumulatif dari distribusi normal. Jika distribusi
data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat Normal Probability Plot
dapat dillihat pada gambar 4.2 berikut:
Gambar 4.2 Normal Probability Plot Data Asli
Sumber: Data sekunder diolah Grafik Normal Probability Plot pada gambar 4.2 di atas menunjukkan data
terdistribusi secara tidak normal karena distribusi data residualnya tidak mengikuti arah garis diagonal garis normal.Pengujian normalitas data secara analisis statistik
dapat pula dilakukan dengan menggunakan Uji Kolmogorov – Smirnov. Data yang
Universitas Sumatera Utara
berdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0,05 Ghozali, 2009:165. Hasil pengujian normalitas pada pengujian terhadap 32 data terlihat dalam
tabel 4.4 berikut:
Tabel 4.4 Hasil Uji Normalitas dengan Kolmogorov-Smirnov Data Asli
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
32 Normal Parameters
a
Mean .0000000
Std. Deviation 9.32073496E2
Most Extreme Differences
Absolute .219
Positive .219
Negative -.188
Kolmogorov-Smirnov Z 1.239
Asymp. Sig. 2-tailed .093
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data sekunder diolah Berdasarkan tabel 4.4 diatas menunjukkan bahwa data terdistribusi secara
normal.Hal ini ditunjukkan oleh nilai Kolmogorov-Smirnov Z sebesar 1.239 dengan nilai signifikansi 0,093.Hal ini menunjukkan bahwa data terdistribusi normal.
Universitas Sumatera Utara
Meskipun data terdistribusi secara normal, namun Grafik Normal Probability Plot pada gambar 4.2 di atas masih menunjukkan data terdistribusi secara tidak normal
karena distribusi data residualnya tidak mengikuti arah garis diagonal garis normal. Untuk memperoleh hasil terbaik maka dilakukan transformasi normal agar data
menjadi lebih normal dengan menggunakan natural logaritmaLn Ghozali, 2009. Hasil pengujian normalitas yang kedua dapat terlihat dalam tabel 4.5 sebagai berikut:
Tabel 4.5 Hasil Uji Normalitas dengan Kolmogorov-Smirnov
Setelah Transformasi Ln One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 32
Normal Parameters
a
Mean .0000000
Std. Deviation 2.03949499
Most Extreme Differences
Absolute .111
Positive .087
Negative -.111
Kolmogorov-Smirnov Z .629
Asymp. Sig. 2-tailed .824
a. Test distribution is Normal.
Universitas Sumatera Utara
Dari pengujian kedua terlihat bahwa data telah terdistribusi normal dengan nilai signifikansi diatas 0,05 yaitu sebesar 0,824.Hasil terakhir di atas juga didukung
hasil analisis grafiknya, yaitu dari grafik histogram maupun grafik Normal Probability Plot
-nya seperti gambar 4.3 dan 4.4 dibawah ini :
Gambar 4.3 Grafik Histogram Setelah Transformasi Ln
Sumber: Data sekunder diolah
Universitas Sumatera Utara
Gambar 4.4 Normal Probability Plot Setelah Transformasi Ln
Sumber: Data sekunder diolah
Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa pola distribusi data mendekati normal.Kemudian pada grafik normal probability plot
terlihat titik-titik sebaran lebih mendekati dan mengikuti garis normal jika dibandingkan dengan grafik normal probabilityplot saat sebelum dilakukan
transformasi ke logaritma natural.
Universitas Sumatera Utara