40 Lubis, dkk 2007:25. Untuk data yang berupa kategori digunakan sub menu deskriptif
frequancies .
3.5.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi yang digunakan untuk menganalisis dalam penelitian ini terbebas dari penyimpangan. Uji
asumsi klasik ini meliputi uji normalitas, multikolinieritas, heteroskedastisitas, dan autokorelasi. Adapun masing-masing pengujian tersebut dapat dijelaskan sebagai berikut:
1. Uji Normalitas
“Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik” Ghozali, 2013:160.
a. Analisis Grafik
Menurut Ghozali 2013:160-161, Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang
membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melohat histogram hal
ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang
membandingkan distribusi kumulatif dari distribusi normal.
Dasar pengambilan keputusan dari analisis normal probability plot adalah
sebagai berikut:
• Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal, maka menunjukkan pola distribusi normal. Model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti
arah garis diagonal serta tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas Ghozali,
2013:163.
41 b.
Analisis Statistik Uji statistik lain yang dapat digunakan untuk menguji normalitas residual
adalah uji statistik non-parametrik Kolmogrov-Smirnov K-S. Uji K-S dilakukan dengan membuat hipotesis:
Ho : Data residual berdistibusi normal H1 : Data residual tidak berdistribusi normal
Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut: •
Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal.
• Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik maka HO
diterima, yang berarti data terdistribusi normal.
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol
Ghozali, 2013:105.
Untuk mendeteksi ada tidaknya multikolineritas dalam model regresi dapat
dilihat dari: a.
Nilai tolerance dan lawannya, dan b.
Variance Inflation Factor VIF
Kedua ukuran tersebut menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas
42 variabel independen yang terpilih yang tidak dapat dijelaskan oleh variabel
independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10 atau sama dengan VIF 10. Cara yang dapat dilakukan untuk menanggulangi jika terjadi
multikolinearitas adalah dengan mengeluarkan salah satu variabel bebas yang memiliki korelasi yang tinggi dari model regresi dan identifikasi variabel lainnya
untuk membantu prediksi.
3. Uji Heteroskedastisitas