1) Uji Deskriptive

Statistics
X1
N

Valid

X2

X3

X4

X5

124

124

124

124

124

124

172,5565

111,5484

101,5565

99,3226

108,7903

101,6855

2,41198

2,24538

1,99755

1,95399

2,21116

2,43681

172,0000

111,0000

102,0000

99,5000

110,0000

101,0000

157,00a

88,00

96,00a

98,00a

98,00a

134,00

26,85865

25,00353

22,24377

21,75867

24,62244

27,13512

721,387

625,177

494,785

473,440

606,265

736,315

-,022

,074

-,034

-,029

,056

-,013

,217

,217

,217

,217

,217

,217

-,573

-,543

-,638

-,665

-,579

-,558

,431

,431

,431

,431

,431

,431

Range

117,00

109,00

94,00

93,00

106,00

117,00

Minimum

113,00

57,00

54,00

53,00

60,00

42,00

Maximum

230,00

166,00

148,00

146,00

166,00

159,00

21397,00

13832,00

12593,00

12316,00

13490,00

12609,00

25

157,0000

94,0000

85,5000

83,0000

90,2500

81,7500

50

172,0000

111,0000

102,0000

99,5000

110,0000

101,0000

75

192,0000

128,7500

117,7500

116,0000

125,0000

121,0000

Missing
Mean
Std. Error of Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis

Sum
Percentiles

a. Multiple modes exist. The smallest value is shown

Statistik deskriptif menggambarkan tentang ringkasan data-data penelitian

seperti mean, standar deviasi, varian, modus dll. Sedangkan ukuran skewness dan
kurtosis untuk menggambarkan distribusi data apakah normal atau tidak.
Dari tabel diatas dapat dilihat bahwa variabel X1, X2, X3, X4, X5 dan Y dengan
jumlah data 124 memiliki nilai rata-rata (mean) pembulatan masing-masing 173, 112, 102,
99, 109 dan 102. Dengan nilai minimum tiap variabel adalah 113, 57, 54, 53, 60 dan 42.
Serta nilai maksimalnya 230, 166, 148, 146, 166 dan 159. Lalu memiliki nilai standar
deviasi yaitu sebesar 27, 25, 22, 22, 25 serta 27.

2) Uji Normalitas

Tests of Normality
Kolmogorov-Smirnova
Statistic
X1
X2
X3
X4
X5

,043
,037
,036
,039
,035

df

Shapiro-Wilk
Sig.

Statistic

df

Sig.

124

,200*

,988

124

,350

124

,990

124

,508

,987

124

,268

,988

124

,344

,989

124

,407

124
124
124

,200
,200
,200
,200

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Uji normalitas dilakukan untuk menyelidiki apakah data yang dikumpulkan

mengikuti dugaan, mengikuti distribusi normal ataukah tidak. Uji ini dapat dilakukan
dengan memakai :
Kolmogorov-Smirnov, merupakan uji normalitas untuk sampel besar. Biasanya
dipilih tingkat signifikansi = 0,05 < nilai sig SPSS maka dikatakan bahwa data
mengikuti distribusi normal.
Shapiro-Wilks, digunakan untuk uji normalitas dengan sampel kecil sampai dengan
jumlah 2000. Jika dipilih tingkat signifikansi = 0,05 < nilai sig SPSS maka dapat
dikatakan bahwa data mengikuti distribusi normal.
Pada tabel di atas, dapat kita lihat bahwa variabel X1, X2, X3, X4 serta X5
nilainya lebih besar dari 0,05 sehingga ini dapat dikatakan bahwa sampel data
berdistribusi normal.

Dari histogram variabel X1

menunjukkan distribusi cenderung
miring ke kiri distribusi normal
karena nilainya skewness negatif
dan meruncing karena nilai
kurtosis positif.
Lalu dari output grafik Q-Q
Plot diatas terlihat bahwa titik
menyebar dan tidak membentuk
pola tertentu yang jelas. Ini
disimpulkan bahwa tidak terjadi

Dari histogram variabel X2

juga
menunjukkan
distribusi
cenderung
miring
ke
kiri
distribusi normal karena nilainya
skewness
negatif
dan
meruncing karena nilai kurtosis
positif.
Lalu dari output grafik Q-Q
Plot diatas terlihat bahwa titik
menyebar dan tidak membentuk
pola tertentu yang jelas. Ini
disimpulkan bahwa tidak terjadi

Dari histogram variabel X3

menunjukkan
distribusi
cenderung miring ke kanan
distribusi normal karena nilainya
skewness
positif
dan
meruncing karena nilai kurtosis
positif.
Lalu dari output grafik Q-Q
Plot diatas terlihat bahwa titik
menyebar
meski
terdapat
beberapa mendekati garis namun
masih tidak membentuk pola
tertentu
yang
jelas.
Ini

Dari histogram variabel X4

juga
menunjukkan
distribusi
cenderung
miring
ke
kanan
distribusi normal karena nilainya
skewness positif dan meruncing
karena nilai kurtosis positif.
Lalu dari output grafik Q-Q
Plot diatas terlihat bahwa titik
menyebar
meski
terdapat
beberapa mendekati garis namun
masih tidak membentuk pola
tertentu yang jelas. Ini disimpulkan
bahwa
tidak
terjadi
masalah

Dari histogram variabel X5

juga
menunjukkan
distribusi
cenderung
miring
ke
kanan
distribusi normal karena nilainya
skewness positif dan meruncing
karena nilai kurtosis positif.
Lalu dari output grafik Q-Q
Plot diatas terlihat bahwa titik
menyebar
meski
terdapat
beberapa mendekati garis namun
masih tidak membentuk pola
tertentu yang jelas. Ini disimpulkan
bahwa
tidak
terjadi
masalah

3) Uji Multikolinearity
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)

Std. Error

Coefficients
Beta

3,812

13,524

X1

,091

,083

X2

,194

X3

Collinearity Statistics
t

Sig.

Tolerance

VIF

,282

,779

,090

1,106

,271

,689

1,451

,105

,178

1,843

,068

,492

2,032

,068

,115

,055

,587

,558

,516

1,937

X4

-,017

,116

-,014

-,145

,885

,528

1,893

X5

,509

,119

,461

4,268

,000

,394

2,539

a. Dependent Variable: Y

Tujuan dari uji ini adalah untuk menemukan apakah terdapat korelasi antar
variabel bebas (independen). Disini kita harus meliahat nilai tolerance, dikatakan terjadi
multikol bila nilai tolerance lebih kecil atau sama dengan 0,1. Lalu dikatakan terjadi
multikol bila nilai VIF lebih besar atau sama dengan 10. Sehingga dapat disimpulkan
bahwa dari tabel diatas tiap variabel tidak terjadi multikolinearitas.

4) Uji Heteroskedastisitas
Coefficientsa

Model
1

Unstandardized

Standardized

Coefficients

Coefficients

B
(Constant

Std. Error

32,730

8,676

X1

-,049

,053

X2

,021

X3

Beta

Collinearity Statistics
t

Sig.

Tolerance

VIF

3,773

,000

-,097

-,922

,358

,689

1,451

,067

,039

,311

,757

,492

2,032

,152

,074

,249

2,060

,042

,516

1,937

X4

-,091

,075

-,147

-1,225

,223

,528

1,893

X5

-,169

,076

-,306

-2,210

,029

,394

2,539

a. Dependent Variable: ABRES

Digunakan untuk mengetahui adanya ketidaksamaan varian dari residual untuk

semua pengamatan pada model regresi. Dikatakan terjadi heteroskedastisitas bila nilai
sig < 0,05. Sehingga pada tabel di atas dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas pada setiap variabel dikarenakan nilai sig lebih besar dari 0,05.