53 menyatakan setuju, dan 9,4 responden menyatakan kurang setuju dengan
pernyataan tersebut. Hal ini menunjukkan bahwa mayoritas responden menyatakan setuju terhadap pernyataan tersebut.
4.4 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk melihat apakah suatu model layak atau tidak layak digunakan dalam penelitian.Uji asumsi klasik adalah persyaratan statistik
yang harus dipenuhi pada regresi liner berganda. Uji Asumsi Klasik yang digunakan dalam penelitian ini adalah sebagai berikut:
4.4.1 Uji Normalitas
Uji normalitas adalah untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Uji normalitas dilakukan dengan menggunakan
pendekatan Kolmogorov Smirnov. Dengan menggunakan tingkat signifikansi 5 maka jika nilai Asymp.sig. 2-taileddiatas, nilai signifikan 5 artinya variabel
residual berdistribusi normal Situmorang dan Lufti, 2012:100 Salah satu cara untuk melihat normalitas adalah dengan melihat grafik
histrogram dan grafik normal plot yang membandingkan antara dua absorvasi dengan distribusi yang mendekati distribusi normal :
Universitas Sumatera Utara
54 a. Pendekatan Histogram
Sumber :Hasil pengolahan SPSS 2016
Gambar 4.1 Histogram Uji Normalitas
Berdasarkan Gambar 4.1 dapat diketahui bahwa variabel berdistribusi normal, hal ini ditunjukkan oleh distribusi data yang berbentuk lonceng dan tidak melenceng
ke kiri atau ke kanan.
Universitas Sumatera Utara
55 b. Pendekatan Grafik
Sumber :Hasil pengolahan SPSS 2016
Gambar 4.2 Plot Uji Normalitas
Pada Gambar 4.2 menunjukkan bahwa pada scatter plot erlihat titik yang mengikuti data di sepanjang garis diagonal. Hal ini menunjukkan bahwa residual
peneliti normal. Namun untuk lebih memastikan bahwa di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov K-S.
Universitas Sumatera Utara
56 c. Pendekatan Kolmogorov-Smirnov
Tabel. 4.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 64
Normal Parameters
a
Mean .0000000
Std. Deviation 1.98121862
Most Extreme Differences Absolute
.140 Positive
.140 Negative
-.056 Kolmogorov-Smirnov Z
1.117 Asymp. Sig. 2-tailed
.165 a. Test distribution is Normal.
Sumber :Hasil pengolahan SPSS 2016
Pada Tabel 4.8 menunjukkan bahwa nilai Asymp. Sig. 2-tailed adalah 0.165 dan diatas nilai signifiksn 0,05 atau 5, sehingga dapat disimpulkan bahwa
variabel residual berdistribusi normal.
4.4.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk mendeteksi ada atau tidaknnya gejala multikolinearitas pada data dapat dilakukan dengan melihat nilai tolerance value dan
Varians Inflation factor VIF. Dengan kriteria sebagai berikut : 1. Apabila VIF 5 maka diduga mempunyai persoalan Multikolinearitas.
2. Apabila VIF dari 5 maka tidak terdapat Multikolinearitas.
Universitas Sumatera Utara
57 3. Apabila tolerance 0,1 maka diduga mempunyai persoalan multikolinearitas.
4. Apabila tolerance 0,1 maka tidak terdapat multikolinearitas.
Tabel 4.9 Uji Nilai Tolerance dan VIF
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics B
Std. Error
Beta Tolerance
VIF 1
Constant 7.529
2.573 2.926
.005 Pengetahuan
Kewirausahaan .309
.088 .416
3.510 .001
.813 1.229
Periklanan .214
.115 .221
1.858 .068
.813 1.229
a. Dependent Variable: Keberhasilan Usaha
Sumber :Hasil pengolahan SPSS 2016
Pada Tabel 4.9 terlihat bahwa nilai tolerance semua variabel bebas adalah lebih besar dari nilai ketetapan 0,1 dan nilai VIF semua variabel bebas adalah lebih kecil
dari nilai ketetapan 5. Oleh karna itu, data dalam penelitian ini dikatakan tidak mengalami masalah multikolinearitas.
4.4.3 Uji Heteroskedastisitas
