b. Uji Heteroskedastisitas
Uji ini digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians residual pada suatu periode pengamatan ke periode
pengamatan lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat
grafik scatter plot berikut ini ;
Gambar 4.14. Grafik Scatter Plot Uji Heterokedastisitas Hipotesis Pertama
Dari grafik scatter plot dalam gambar 4.14. menunjukkan bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas serta
tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisita pada model regresi.
Pengambilan keputusan Glejser yaitu bahwa jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka akan ada
indikasi terjadi heteroskedastisitas. Jika variabel independen tidak signifikan terhadap variabel Absolut Ut AbsUt 5 0,05, maka dalam model regresi
Universitas Sumatera Utara
tidak mengarah pada heteroskedastisitas, sebagaimana terlihat pada Tabel 4.23. berikut ini :
Tabel 4.23. Hasil Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t-stat
Sig. B
Std. Error Beta
1 Constant
.018 1.252
.014 .989
Pembangunan Kawasan Industri
Sei Mangkei .056
.091 .089
.616 .540
a. Dependent Variable : AbsUt Penyerapan Tenaga Kerja Sumber : Data Primer Diolah, 2012
Dari Tabel 4.23. terlihat, bahwa variabel bebas pembangunan Kawasan Industri
Sei Mangkei dengan signifikansi 0,540 lebih besar dari 0,05, sehingga dapat disimpulkan bahwa antara variabel bebas pembangunan Kawasan Industri Sei
Mangkei dengan variabel terikat penyerapan tenaga kerja tidak terjadi heteroskedastisitas.
4.6.2. Uji Normalitas dan Heteroskedastisitas Pembangunan Kawasan Industri Sei Mangkei Terhadap Perkembangan Tempat-tempat
Usaha
a. Uji Normalitas
Dari hasil pengujian diperoleh bahwa model regresi yang digunakan dalam penelitian ini telah memenuhi syarat normalitas. Hal ini dapat dilihat dari grafik
normal Histogram dan Uji One Sample Kolmogorov-Smirnov Test berikut ini :
Universitas Sumatera Utara
Gambar 4.15. Grafik Normal Histogram of Regression Standardized Residual
Dari grafik normal Histogram pada gambar 4.15. tersebut, menunjukkan data residual terdistribusi normal yang dilihat dari gambar berbentuk lonceng
yang hampir sempurna simetris. Dengan demikian dapat disimpulkan bahwa model regresi yang digunakan telah memenuhi asumsi normalitas secara normal
atau tidak terjadi penyimpangan. Demikian juga dengan menggunakan uji One Sample Kolmogorov-
Smirnov Test terdistribusi secara normal diperoleh hasil sebagai berikut :
Universitas Sumatera Utara
Tabel 4.24. Uji One Sample Kolmogorov-SmirnovTest
One-Sample Kolmogorov-Smirnov Test Unstadardized Residual
N 50
Normal Parameters
a,,b
Mean 12.50
Std. Deviation .791
Most Extreme Differences
Absolute .126
Positive .114
Negative -.126
Kolmogorov-Smirnov Z .888
Asymp. Sig. 2-tailed .410
a. Test distribution is Normal. b. Calculated from data.
Sumber : Data Primer Diolah, 2012
Dari Tabel 4.24. terlihat, bahwa nilai Asymp. Sig. 2-tailed sebesar 0,410
atau lebih besar dari 0,05, maka dapat disimpulkan bahwa model regresi tersebut di atas memenuhi asumsi normalitas.
b. Uji Heteroskedastisitas