2 cara pengujian :
1. Metode Grafik -> Normal Probability Plot
2. Metode Non Grafik -> Kolmogorov-Smirnov
CONTOH
GRAFIK
HASIL
Acuan :
Distribusi normal akan membentuk garis diagonal &
titik-titik dot akan menyebar di sekitar garis diagonal
tersebut.
Hasil :
Pada gambar terlihat titik-titik menyebar disekitar
garis diagonal dan mengikuti arah garis diagonal. Hal
ini menunjukkan bahwa model regresi MEMENUHI
ASUMSI NORMALITAS
NON GRAFIK
Acuan :
Apabila Asymp. Sig (2-tailed) dari uji Kolmogorov-
Smirnov bernilai di atas atau sama dengan 0,05 maka,
data berdistribusi normal dan sebaliknya.
Hasil Pengujian :
Dari uji Kolmogorov-Smirnov pada gambar diatas,
menunjukkan bahwa data terdistribusi normal,
dengan nilai Asymp. Sig (2-tailed) 0,602 lebih besar
sama dengan 0,05
2. MULTIKOLINEARITAS
Untuk menguji apakah dalam suatu model regresi
terjadi korelasi yang tinggi atau tidak antar
variabel independen
Ingat!!!
Apabila terdapat 1 saja data yang terjadi
multikolinearitas, berarti terdapat korelasi antar
variabel. Lebih baik variabel tersebut diganti atau
dibuang saja.
3. HETEROSKEDASTISITAS
2 cara pengujian :
• GRAFIK -> Scatterplot
• NON GRAFIK
METODE NON GRAFIK
• UJI GLEJSER
• UJI PARK
• METODE KORELASI SPEARMAN
• METODE GOLDFELT QUANDT
• METODE WHITE HETEROSCEDASTICITY
GRAFIK
Acuan :
Titik-titik menyebar & tidak membentuk pola
tertentu
Hasil :
Pada gambar terlihat titik-titik menyebar & tidak
membentuk pola tertentu, maka tidak terjadi
heteroskedastisitas sehingga data baik digunakan
dalam model regresi.
NON GRAFIK -> UJI GLEJSER
Acuan :
Minat (X2)
Sig = 0,009 < 0,05
Artinya, terjadi heteroskedastisitas pada variabel
Minat (X2)
4. AUTOKOLERASI
Keputusan:
CONTOH