sig 5, yaitu memiliki distribusi normal karena tingat signifikansinya lebih besar dari 0,05.
Jika residual tidak normal tetapi dekat dengan nilai kritis misalnya signifikansi Kolmogorov Smirnov sebesar 0,049 maka dapat dicoba dengan
metode lain yang mungkin memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah yaitu: melakukan
transformasi data. Tabel 6 : Hasil Uji Normalitas setelah Transformasi Data
One-Sample Kolmogorov-Smirnov Test
48 48
48 .0069
.0841 .0597
1.15775 .39154
1.23462 .197
.218 .089
.128 .218
.089 -.197
-.152 -.081
1.368 1.511
.614
.047 .021
.846
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed LogX1
LogX2 LogY
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 2 Berdasarkan hasil uji normalitas dengan melakukan transformasi
menunjukkan bahwa semua menunjukkan berdistibusi normal, karena nilai Kolmogorov-Smirnov
yang dihasilkan diatas 0,05 5.
4.3.2. Uji Outlier
Evaluasi erhadap multivariate outliers perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariate, tetapi
observasi itu dapat menjadi outlier bila sudah dikombinasikan. Multivariate
outliers diuji menggunakan uji Mahalanobis Distance pada tingkat p 0,001.
Jarak Mahalanobis Distance itu dievaluasi dengan menggunakan χ
2
pada derajat bebas sebesar jumlah indicator yang digunakan dalm setiap variabel Hair, 1995
dalm Ferdinand 2002 ; 102-103. Berikut ini hasil uji outlier multivariate : Tabel 7 : Hasil Nilai Mahalanobis Distance
Residuals Statistics
a
16.66 36.49
24.50 5.440
48 -1.441
2.205 .000
1.000 48
2.368 5.685
3.766 .800
48 14.99
34.81 24.45
5.387 48
-22.633 23.340
.000 12.900
48 -1.698
1.751 .000
.968 48
-1.747 1.812
.002 1.004
48 -23.982
25.009 .047
13.882 48
-1.791 1.862
.001 1.016
48 .504
7.568 2.937
1.713 48
.000 .064
.019 .019
48 .011
.161 .063
.036 48
Predicted Value Std. Predicted Value
Standard Error of Predicted Value
Adjusted Predicted Value Residual
Std. Residual Stud. Residual
Deleted Residual Stud. Deleted Residual
Mahal. Distance Cooks Distance
Centered Leverage Value Minimum
Maximum Mean
Std. Deviation N
Dependent Variable: NO a.
Sumber : Lampiran 2 Penelitian ini terdapat 3 variabel, oleh karena itu nilai chi kuadrat χ
2
0,001;3 = 16.26623615. Berdasarkan hasil uji outlier multivariate tersebut diatas menunjukkan bahwa nilai maksimum Mahalanobis yang di hasilkan adalah 7,568
16,226, berarti tidak terdapat multivariate outlier karena nilai Mahalanobis Distance
yang lebih kecil dari 16,226.
4.3.3. Uji Asumsi Klasik
Tujuan utama menggunakan uji asumsi klasik adalah untuk mendapatkan koefisien yang terbaik linier dan tidak bias BLUE : Best