Jika nilai signifikansi nilai probabilitasnya 5, maka distribusi
adalah normal.
3.4.2. Uji Asumsi Klasik
Persamaan regresi tersebut diatas harus bersifat BLUE Best
Linear Unbiased Estimator, artinya pengambilan keputusan uji F dan uji
t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka
harus dipenuhi tiga asumsi klasik yang tidak boleh dilanggar oleh persamaan tersebut, yaitu:
1. Tidak boleh ada Autokorelasi.
2. Tidak boleh ada Multikolonearitas.
3. Tidak boleh ada Heteroskedastisitas.
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE.
1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antar data
observasi yang diurutkan berdasarkan urut waktu data time series atau data yang diambil pada waktu tertentu data crossectional
Gujarati, 1995: 201.
Pengujian autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear terdapat korelasi antara kesalahan. Untuk
mengetahui ada atau tidaknya gejala autokorelasi maka perlu dilihat kriteria Durbin Watson sebagai berikut Ghozali, 2006: 99:
Tabel 3.1. Deteksi adanya autokorelasi dengan kriteria Durbin Watson
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl ≤ d ≤ du
Tidak ada korelasi negatif Tolak
4 – dl d 4 Tidak ada korelasi negatif
No decision 4 – du d 4 - dl
Tidak ada autokorelasi positif atau negatif Tidak ditolak
du d 4 - du
Sumber: Ghozali, Imam, 2006, Aplikasi Analisis Multivariate dengan Program SPSS, Edisi Tiga, Penerbit Badan
Penerbit Universitas Diponegoro, Semarang.
2. Multikolonearitas
Tujuan dari multikolonearitas adalah untuk menguji apakah
ada model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak ada korelasi diantara
variabel bebas independen Ghozali, 2006: 95. Salah satu cara yang digunakan untuk mengetahui ada
tidaknya multikolonearitas yaitu dengan melihat besarnya nilai Variance Inflation Factor VIF. VIF ini dapat dihitung dengan
rumus: VIF = 1. Tolerance mengukur variabilitas variabel bebas yang terpilih
yang tidak dapat dijelaskan oleh variabel bebas lainnya. Nilai Tolerance yang umum dipakai adalah 0,01 atau sama dengan nilai
VIF dibawah 10, maka tidak terjadi multikolonearitas. Apabila nilai VIF lebih tinggi dari 10 maka akan terjadi multikolonearitas.
3. Heteroskedastisitas
Heteroskedastisitas bertujuan unutuk menguji apakah model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2006: 125. Maksud dari penyimpangan heteroskedastisitas adalah varian variabel dalam model
tidak sama konstan. Untuk mendeteksi ada atau tidaknya heteroskedastisitas
digunakan korelasi Rank Spearman antara residual dengan variabel independen, adalah :
Nilai probabilitas 5 tidak mengandung adanya heteroskedasitas.
Nilai probabilitas 5 mengandung adanya heteroskedasitas.
3.4.3. Teknik Analisis
Kategori