2. Uji Asumsi Klasik
a. Uji Normalitas
Uji Normalitas digunakan untuk mengetahui apakah varabel X
1
, X
2
, dan Y yang diteliti memiliki distribusi normal atau tidak normal. Uji normalitas digunakan
untuk mengetahui apakah variabel X
1
, X
2
, dan Y yang diteliti memiliki distribusi normal atau tidak normal. Uji normalitas distribusi data dalam penelitian ini
menggunakan Kolmogorov-Simirnov dengan alat bantu SPSS 21 for windows. Ketentuan dalam perhitungan normalitas ini adalah apabila taraf 0,05 maka data
tersebut normal, begitu pun sebaliknya apabila taraf signifikan 0,05 maka data tersebut tidak normal. Dapat pula dilihat dari hasil p-plot dan histogram. Data yang
dapat digunakan yaitu data yang bersifat normal atau mendekati normal.
Gambar 4.4 Hasil Uji Normalitas Menggunakan Grafik P-Plot
Sumber : Data Primer yang diolah dengan SPSS for windows 21, 2016
Berdasarkan tampilan grafik hasil uji normalitas P-Plot yaitu terlihat bahwa titik-titik menyebar disekitas garis diagonal, serta penyebarannya mengikuti arah
garis diagonal. Hal ini menggambarkan kesimpulan bahwa data yang digunakan dalam penelitian ini normal. Sedangkan pada grafik histogram memberikan pola yang
mendekati normal.
Gambar 4.5 Hasil Residu Standar Menggunakan Histogram
Sumber : Data Primer yang diolah dengan SPSS for windows 21, 2016
Dengan demikian, dapat disimpulkan bahwa grafik histogram menunjukkan model regresi layak dipakai karena asumsi normalitas.
b. Uji Multikolinearitas
Dalam pengujian multikolinearitas, sesungguhnya bertujuan untuk menguji apakah regresi ditemukan adanya korelasi antar variabel bebas independent. Uji ini
biasanya hanya terdapat pada pengujian regresi berganda, sebuah penelitian regresi
yang tergolong dalam kategori baik seharusnya tidak memiliki korelasi antar variabel independennya.
Tabel 4.39 Hasil Uji Multikolinearitas
Sumber : Data Primer yang diolah dengan SPSS for windows 21, 2016
Dari tabel di atas yang menjadi tolak ukur apakah variabel bebas dalam suatu penelitian itu terjadi multikoliniearitas yaitu dengan melihat hasil yang terdapat
dalam kolom Colinearity Statisic tolerance dan Variance inflation factor VIF, hasil uji multikoliniearitas dalam penelitian ini digambarkan sebagai berikut:
1 Hasil multikolinearitas dengan melihat tolerance
Tabel 4.40 Hasil Uji Multikolinearitas Dengan Ketentuan Tolerance
No. Variabel
Tolerance Keputusan
1 Pendidikan
Kewirausahaan 0,523
Tidak Terjadi Multikolinearitas
2 Efikasi Diri
0,523 Tidak Terjadi
Multikolinearitas Sumber : Data Primer yang diolah dengan SPSS for windows 21, 2016
2 Hasil multikolinearitas dengan melihat VIF
Tabel 4.41 Hasil Uji Multikoliniearitas Dengan Ketentuan VIF
No. Variabel
Tolerance Keputusan
1 Pendidikan
Kewirausahaan 1,912
Tidak Terjadi Multikolinearitas
2 Efikasi Diri
1,912 Tidak Terjadi
Multikolinearitas Sumber : Data Primer yang diolah dengan SPSS for windows 21, 2016
Berdasarkan tabel, dapat disimpulkan bahwa variabel bebas dalam penelitian ini tidak terjadi Multikolinearitas sesuai dengan ketentuan berikut:
Tabel 4.42 Kriteria Uji Multikolinearitas
Cara Ketentuan
Keputusan Tolerance
Tolerance 0,10 Tidak terjadi
multikolinearitas Tolerance 0,10
Terjadi multikoliniearitas VIF
VIF 10,00 Tidak terjadi
multikolinearitas VIF 10,00
Terjadi multikoliniearitas
c. Uji Heteroskedastis
Uji Heteroskedastis yaitu uji mengenai sama atau tidaknya varians dari residual dari observasi yang satu dengan observasi yang lain. Jika residualnya
mempunyai varians yang sama disebut terjadi Homosedastisitas dan jika variansnya tidak sama atauberbeda disebut terjadi Heteroskedastisitas.
Dasar analisis: a.
Homokedastis terjadi pada scatterplot titik-titik hasil pengolahan data ZPRED dan SRESID menyebar di bawah maupun di atas titik orgin angka 0 pada
sumbu Y dan tidak mempunyai pola teratur. b.
Heteroskedastis terjadi jika pada scatterplot titik-titiknya mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang-gelombang.
Gambar 4.6 Hasil Scatterplot pada Uji Heteroskedastisitas
Sumber : Data Primer yang diolah dengan SPSS for windows 21, 2016
Dari grafik di atas, menunjukkan bahwa titik-titik data menyebar secara acak atau tidak teratur di bawah maupun di atas titik orgin angka 0 pada sumbu Y
sehingga dapat disimpulkan bahwa pada penelitian ini data yang digunakan tidak terjadi heterokedastis melainkan homoskedastisitas. Hal ini berarti data termasuk
dalam kategori baik dalam penelitian regresi, karena penelitian regresi yang baik tidak terjadi heterosdistisitas.