Pendekatan Histogram Pendekatan Grafik Pendekatan Kolmogorov-Smirnov

46

1. Pendekatan Histogram

Gambar 4.1. : Histogram Uji normalitas Sumber : Hasil Pengolahan SPSS 2013 Pada Gambar 4.1terlihat bahwa residual data berdistribusi normal, hal tersebut ditujukkan oleh distribusi data yang berbentuk lonceng dan tidak menceng ke kiri atau ke kanan. Regression Standardized Residual 3 2 1 -1 -2 Frequency 8 6 4 2 Histogram Dependent Variable: keberhasilan_usaha Mean =3.96E-15 Std. Dev. =0.965 N =30 Universitas Sumatera Utara 47

2. Pendekatan Grafik

Gambar 4.2. : Normal P-P Plot Uji Normalitas Sumber : Hasil Pengolahan SPSS 2013 Pada Gambar 4.2 Normal P-P Plot terlihat titik-titik yang mengikuti data di sepanjang garis normal, hal ini berarti residual data berdistribusi normal.

3. Pendekatan Kolmogorov-Smirnov

Uji normalias dengan grafik bisa saja terlihat berdistribusi normal, karena sifatnya lebih subjektif.Oleh karena itu perlu dilakukan uji normalitas secara statistik dengan pendekatan kolmogorov-smirnov 1 sample KS.Hasil uji normalitas dengan pendekatan kolmogorov-smirnov dapat dilihat pada tabel 4.13 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 Expe ct ed Cum P rob 1.0 0.8 0.6 0.4 0.2 0.0 Normal P-P Plot of Regression Standardized Residual Dependent Variable: keberhasilan_usaha Universitas Sumatera Utara 48 Tabel 4.13 Analisis One- Sample Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardize d Residual N 30 Normal Parametersa,b Mean .0000000 Std. Deviation .50242534 Most Extreme Differences Absolute .195 Positive .195 Negative -.105 Kolmogorov-Smirnov Z 1.070 Asymp. Sig. 2-tailed .203 a Test distribution is Normal. b Calculated from data. Sumber : Hasil Pengolahan SPSS 2013 Pada Tabel 4.12 terlihat bahwa nilai Asymp. Sig 2-tailed adalah 0,203 dan diatas nilai signifikan 0,05, hal ini berarti residual data berdistribusi normal.

4.2.4.2. UJi Heteroskedasdisitas

Metode ini digunakan untuk menguji apakah dalam sebuah model regresi terjadi kesamaan variansi dari residual pada suatu pengamatan ke pengamatan lainnya.Jika varians dari suatu residual, suatu pengamatan ke pengamatan lainnya tetap, maka terjadi homoskedastisitas namun jika varians berbeda, maka disebut heteroskedastisitas. Untuk mengatasinya kelemahan pengujian dengan grafik dapat menggunakan pendekatan statistik dengan uji Glejser, heteroskedastisitas tidak akan terjadi apapbila tidak satupun variabel independen signifikan secara statistik mempengaruhi variabel dependen nilai absolut Ut absUt. Jika probabilitas Universitas Sumatera Utara 49 signifikannya diatas tingkat kepercayaan 5 dapat disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.

1. Pendekatan Grafik