42
4.1.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah variabel dependen dan independen yang digunakan dalam penelitian mempunyai ditribusi normal atau
tidak. Model regresi yang layak adalah model yang mempunyai distribusi normal. Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non
parametik Kolmogorov-Smirnov K-S, yaitu untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Hasil dari uji normalitas dengan
menggunakan tes kolmogorov-smirnov K-S adalah seperti yang terlihat pada Tabel 4.2 berikut :
Tabel 4.2. Uji Normalitas Data One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 93
Normal Parameters
a
Mean -.0001470
Std. Deviation 2.36923573E
12 Most Extreme
Differences Absolute
.324 Positive
.324 Negative
-.273 Kolmogorov-Smirnov Z
3.128 Asymp. Sig. 2-tailed
.000 Sumber Data : SPSS 16 diolah Peneliti, 2015
Berdasarkan tabel diatas diketahui bahwa data menunjukan tidak berdistribusi normal karena memiliki angka signifikan sebesar 0,000 0,05.
Ghozali 2005:33 menyatakan bahwa data yang tidak terdistribusi secara normal dapat ditransformasi agar menjadi normal. Untuk menormalkan data kita harus
tahu terlebih dahulu bagaimana bentuk grafik histogram dari data yang ada
43 apakah moderate positive skewness, substansial positive skewness, severe positive
skewness dengan bentuk L dan sebagainya. Dengan mengetahui bentuk grafik histogram maka dapat menentukan bentuk transformasinya. Berikut ini bentuk
transformasi yang dapat dilakukan sesuai dengan grafik histogram.
Tabel 4.3 Bentuk Transformasi Data
Bentuk Grafik Histogram Bentuk Transformasi
moderate positive skewness SQRTx atau akar kuadrat
substansial positive skewness LG10x atau logaritma 10 atau LN
severe positive skewness dengan bentuk L 1x atau inverse
moderate negative skewness SQRtk-x
substansial negative skewness LG10k-x
severe negative skewness dengan bentuk J 1k0x Sumber : Ghozali 2005:53
Berdasarkan beberapa cara melakukan transformasi data maka penelitian ini menggunakan transformasi moderate negative skewness dengan cara
Logaritma Natural LN dikarenakan banyaknya nilai yang terlalu tinggi ekstrim pada variabel penelitian. Berikut ini adalah hasil uji normalitas data setelah
ditransformasi.
Tabel 4.4. Uji Normalitas Data Setelah Transformasi One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 62
Normal Parameters
a
Mean .0000000
Std. Deviation 4.99443440
Most Extreme Differences
Absolute .132
Positive .132
Negative -.111
Kolmogorov-Smirnov Z 1.038
Asymp. Sig. 2-tailed .231
44 Berdasarkan tabel diatas diketahui bahwa data sudah menunjukan
berdistribusi normal karena memiliki angka signifikan sebesar 0,231 0,05. Selain dengan menggunakan uji Kolmogrov-Smirnov K-S, untuk mengetahui
normalitas data secara kasat mata kita bisa melihat grafik histogram dari data yang membentuk kurva normal atau tidak dari grafik PP Plots. Suatu data akan
terdistribusi secara normal jika nilai probabilitas yang diharapkan adalah sama dengan nilai probabilitas harapan dan probabilitas pengamatan ditunjukan dengan
garis diagonal yang merupakan perpotongan antara garis probabilitas harapan dan probabilitas pengamatan. Pada prinsipnya normalitas dapat dideteksi dengan
melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan adalah :
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Suatu data akan terdistribusi secara normal jika nilai probabilitas yang diharapkan adalah sama dengan nilai probabilitas harapan dan probabilitas
pengamatan ditunjukkan dengan garis diagonal yang merupakan perpotongan antara garis probabilitas harapan dan probabilitas pengamatan.
Berikut ini merupakan pengujian hasil normalitas data dalam bentuk grafik histogram dan kurva P-P Plots seperti yang terlihat pada gambar berikut :
45
Gambar 4.1. Grafik Histogram Setelah Transformasi
Pola distribusi normal dapat dilihat dengan tampilan histogram pada Gambar 4.1. menampilkan bahwa tampilan grafik histogram memberikan pola
distribusi normal dengan penyebaran secara merata baik ke kiri maupun ke kanan.
Gambar 4.2. Kurva PP-Plots Setelah Transformasi
46 Gambar 4.2. menunjukkan titik-titik mendekati atau tidak meyebar jauh
dari titik diagonal.
4.1.2.2. Uji Multikolonieritas