mengubah bentuk variabel yang semula nilai absolut ditransformasikan menjadi bentuk lain kwadratik, resiprokal sehingga distribusi menjadi normal.
2. Uji Statistik Uji Kolmogorov- Smirnov
Ghozali 2005:115 menjelaskan bahwa “Uji satatistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-
Smirnov K-S”. Uji K-S dibuat dengan membuat hipotesis: H
: Data residual berdistribusi normal H
A
: Data residual tidak berdistribusi normal Bila signifikansi 0,05 dengan = 5 berarti distribusi data normal dan diterima,
sebaliknya bila nilai signifikan 0,05 berarti distribusi data tidak normal dan diterima. Menurut Jogiyanto 2004:172, Jika data tidak normal, ada beberapa
cara mengubah model regresi menjadi normal yaitu: 1. Dengan melakukan transformasi data ke bentuk lain, yaitu: logaritma
natural, akar kuadrat, logaritma 10, 2. Melakukan trimming, yaitu memangkas observasi yang bersifat outlier,
3. Melakukan winsorizing, yaitu mengubah nilai-nilai data outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya
menjadi normal.
3.5.1.2 Uji Multikolinearitas
Ghozali 2005:91 menyatakan bahwa “Pengujian multikolonearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara
variabel-variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen”. Multikolinearitas adalah situasi adanya
korelasi variabel-variabel independen antara yang satu dengan yang lainnya
Universitas Sumatera Utara
variabel-variabel bebas tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya
sama dengan nol. Model regresi yang baik seharusnya tidak ada korelasi antar variabel
independen. Ada tidaknya multikolonearitas dapat dideteksi dengan : 1 Melihat nilai tolerance, nilai cutoff yang umum dipakai untuk menunjukkan
adanya multikolonearitas adalah nilai tolerance 0,10 2 Melihat variance inflation factor VIF, nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolonearitas adalah nilai VIF 10 3 Menganalisis matrik korelasi variabel-variabel independen. Menurut Ghozali
2005:93 “untuk matrik korelasi adanya indikasi multikolonearitas dapat dilihat jiTka antar variabel independen ada korelasi yang cukup tinggi
umumnya diatas 0,95”. 4 Membandingkan nilai model utama awal terhadap nilai dari masing-masing
axilary regression antar variabel independen 5 Melihat nilai Condition Index CI, jika CI antara 10 dan 30 terdapat
multikolonearitas moderat ke kuat, sedangkan jika nilai CI 30 artinya terdapat multikolonearitas sangat kuat.
Jika terdapat korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah : a koefisien-koefisien regresi menjadi tidak dapat
ditaksir, b nilai standard error setiap regresi menjadi tak terhingga. Apabila terjadi korelasi antara variabel independen, maka dinamakan terdapat masalah
multikolonearitas.
Universitas Sumatera Utara
3.5.1.3 Uji Heterokedastisitas
Heterokedastisitas merupakan situasi dimana dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Erlina 2007:108 menyatakan jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Sebaliknya, jika
varians berbeda, maka disebut heterokedastisitas. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scattetplot antar nilai
prediksi variabel independen dengan nilai residualnya. Menurut Ghozali 2005:105, Dasar analisis yang dapat digunakan untuk menentukan
heterokedastisitas antara lain: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau
terjadi homoskedastisitas.
Menurut Ghozali 2005:107 Analisis dengan grafik plot memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi
hasil ploting. Semakin sedikit jumlah pengamatan semakin sulit menginterpretasikan hasil grafik p-p plot. Hal ini berarti diperlukan uji statistik
yang lebih dapat menjamin keakuratan hasil. Ada beberapa uji statistik yang dapat digunakan untuk mendeteksi ada tidaknya heterokedastisitas, antara lain:
Uji Park dan Uji Glejser.
Universitas Sumatera Utara
3.5.1.4 Uji Autokorelasi