56
adalah 10.83055 dan variance 117.301 sedangkan rentang nilai range senilai 45.96 menunjukkan bahwa data yang digunakan dalam penelitian
ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
4.3 Hasil Uji Asumsi Klasik
Uji asumsi klasik dilakukan sebelum pengujian hipotesis. Uji ini terdiri dari uji normalitas data, uji autokorelasi, dan uji heteroskedastisitas
yang diuraikan hasil dari uji-uji tersebut.
4.3.1 Hasil Uji Normalitas Data
Sunjoyo dkk., 2013:59 menyatakan bahwa “Uji normalitas berguna pada tahap awal dalam metode pemilihan analisis data. Uji normalitas
berfungsi untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi
normal”. Pengujian normalitas data dapat dilakukan secara kasat mata yaitu dapat dilihat pada grafis histogram dan grafik PP Plots. Suatu data akan
berdistribusi normal jika grafik histogram menyerupai bel yang menghadap ke atas. Hal ini bisa dilihat dalam tampilan grafik berikut ini :
57
Sumber : Hasil olah data SPSS, 2013
Gambar 4.1 Uji Normalitas 1 : Histogram
Dilihat dari grafik PP Plot, data dikatakan terdistribusi normal jika penyebaran data menggambarkan titik-titik yang menyebar di sekitar garis
diagonal dan mengikuti arah garis diagonal pada normal probability plot. Kedua grafik ini menunjukkan bahwa normalitas data terpenuhi. Hal ini
bisa dilihat dalam tampilan grafik normal probability plot sebagai berikut:
58
Sumber : Hasil olah data SPSS, 2013
Gambar 4.2 Normal P-P Plot
Pengujian normalitias dapat juga diuji secara statistik dengan menggunakan uji Kolmogorov-Smirnov. Menurut Ghozali 2008 dalam
Sunjoyo dkk, 2013:60 uji K-S dibuat dengan membuat hipotesis sebagai berikut:
Ho : Data residual berdistribusi normal. Ha : Data residual tidak berdistribusi normal.
Bila sig 0,05 dengan α = 5, berarti distribusi data normal Ho diterima, sebaliknya bila sig 0,05 dengan α = 5, berarti distribusi data tidak
normal Ha diterima.
59
Hasil dari uji normalitas dengan menggunakan tes Kolmogorov- Smirnov
ditunjukkan oleh tabel 4.2 berikut:
Tabel 4.2 Hasil Uji
Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
60 Normal Parameters
Mean
a,b
0E-7 Std. Deviation
8.13017381 Most Extreme
Differences Absolute
.101 Positive
.097 Negative
-.101 Kolmogorov-Smirnov Z
.781 Asymp. Sig. 2-tailed
.576 a. Test distribution is Normal.
b. Calculated from data. Sumber : Hasil olah data SPSS, 2013
Dari tabel 4.2 diatas, Kolmogorov-Smirnov senilai 0,781 dengan besarnya nilai significant yaitu 0,576. Hal ini menunjukkan bahwa nilai sig
0,05 atau 0,576 0,05. Dengan demikian, data sudah terdistribusi normal.
4.3.2 Hasil Uji Multikolienaritas
