4.4 Uji Asumsi Klasik
4.4.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang diperoleh dari hasil observasi berdistribusi normal atau tidak, sehingga data tersebut dapat
digunakan atau tidak dalam model regresi. Untuk mengetahui apakah data yang diperoleh berdistribusi normal atau tidak, dapat dilakukan dengan analisis grafik
dan uji statistik. Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histogram dan grafik normal plot yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
Kriteria pengambilan keputusan: 1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi klasik.
2 Jika data tidak menyebar di sekitar garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik tidak menunjukkan pola distribusi normal, maka model
regresi tidak memenuhi asumsi klasik. Hasil dari output SPSS terlihat seperti Gambar 4.1 dan Gambar 4.2.
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS 16.0 Gambar 4.1 Histogram
Gambar 4.3 memberikan interpretasi bahwa grafik histogram memiliki distribusi normal dimana grafik tersebut membentuk pola lonceng atau tidak
miring ke kanan atau ke kiri.
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS 16.0 Gambar 4.2
Normal P-P Plot of Regression Standardized Residual
Gambar 4.2 menunjukkan bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu, berdasarkan gambar dan
gambar kriteria pengambilan keputusan yang pertama dipenuhi yaitu data berdistribusi normal.
Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorv Smirnov 1 sample KS dengan melihat
data residual apakah berdistribusi normal Situmorang, et al 2010 : 95.
Universitas Sumatera Utara
Berikut ini pengujian normalitas yang didasarkan dengan uji statistik non- parametrik Kolmogrov-Smirnov K-S.
Menentukan kriteria keputusan, yaitu : 1.
Jika nilai Asymp. Sig. 2 tailed ˃ 0,05 maka data tidak mengalami gangguan
distribusi normal. 2.
Jika nilai Asymp. Sig. 2 Tailed ˂ 0,05 maka data mengalami gangguan
distribusi normal.
Tabel 4.15
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 74
Normal Parameters
a
Mean .0000000
Std. Deviation 1.77214320
Most Extreme Differences Absolute
.077 Positive
.055 Negative
-.077 Kolmogorov-Smirnov Z
.663 Asymp. Sig. 2-tailed
.772 a. Test distribution is Normal.
Sumber : Hasil Pengolahan SPSS 16.0
Pada Tabel 4.15 terlihat bahwa nilai Asymp.Sig. 2 tailed adalah 0,772 dan diatas nilai signifikan 0,05, dengan kata lain variabel residual berdistribusi normal.
Universitas Sumatera Utara
4.4.2 Uji Heteroskedastisitas