menggunakan tingkat signifikansi 5 0,05 maka jika Asymp.Sig 2-tailed diatas nilai signifikansi 5 0,05 artinya variabel residual berdistribusi normal.
1. Pendekatan Histogram
Gambar 4.2 : Histogram Uji Normalitas
Sumber : Hasil Pengolahan SPSS 2012
Pada Gambar 4.2 terlihat bahwa residual data berdistribusi normal, hal tersebut ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak
menceng ke kiri atau ke kanan.
2. Pendekatan Grafik
Gambar 4.3 : Normal P-P Plot Uji Normalitas Sumber : Hasil Pengolahan SPSS 2012
Universitas Sumatera Utara
Pada Gambar 4.3 Normal P-P Plot terlihat titik-titik yang mengikuti data di sepanjang garis normal, hal ini berarti residual data berdistribusi
normal. 3. Pendekatan Kolmogorov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, karena sifatnya lebih subjektif. Oleh karena itu perlu dilakukan uji normalitas secara
statistik dengan pendekatan kolmogorov-smirnov 1 sample KS. Hasil uji normalitas dengan pendekatan kolmogorov-smirnov dapat dilihat pada Tabel 4.9
Universitas Sumatera Utara
Tabel 4.9 Hasil Uji Normalitas Pendekatan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 52
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.24437515
Most Extreme Differences Absolute
.123 Positive
.082 Negative
-.123 Kolmogorov-Smirnov Z
.884 Asymp. Sig. 2-tailed
.415 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Pengolahan SPSS 2012
Pada Tabel 4.9 terlihat bahwa nilai Asymp. Sig. 2-tailed adalah 0,415 dan diatas nilai signifikansi 0,05, hal ini berarti residual data berdistribusi
normal.
4.2.2.2 Uji Heteroskedastisitas
Metode ini digunakan untuk menguji apakah dalam sebuah model regresi terjadi kesamaan varians dari residual pada satu pengamatan ke pengamatan
lainnya. Jika varians dari satu residual suatu pengamatan ke pengamatan lainnya tetap, maka terjadi homoskedastisitas namun jika varians berbeda, maka disebut
heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedstisitas. “Untuk mengetahui ada tidaknya gejala heteroskedastisitas
adalah dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot, jika ada pola tertentu maka telah terjadi heteroskedastisitas pada model regresi”
Situmorang et al., 2010:100. Untuk mengatasinya kelemahan pengujian dengan grafik dapat
menggunakan pendekatan statistik dengan uji Glejser, heteroskedastisitas tidak akan terjadi apapbila tidak satupun variabel independen signifikan secara statistik
Universitas Sumatera Utara
mempengaruhi variabel dependen nilai absolut Ut absUt. Jika probabilitas signifikannya diatas tingkat kepercayaan 5 dapat disimpulkan model regresi
tidak mengarah adanya heteroskedastisitas.
4. Pendekatan Grafik
