61
Uji asumsi klasik merupakan syarat statistik yang harus dipenuhi pada analisis linear berganda berbasis ordinary least square OLS. Nilai estimasi akan
bersifat best, linear, unbiased dan estimator BLUE jika hasil regresi telah memenuhi asumsi-asumsi regresi. Best maksudnya adalah garis regresi yang
dihasilkan untuk melakukan estimasi merupakan yang terbaik, yaitu dengan menghasilkan error yang kecil. Linear artinya model yang dipakai dalam analisis
regresi telah sesuai dengan kaidah OLS yaitu hasil penduganya hanya memiliki pangkat satu. Dikatakan tidak bias unbiased jika nilai harapan dari estimator b
sama dengan nilai yang benar dari b. Jika rata-rata nilai b tidak sama dengan b maka selisihnya disebut dengan bias. Model OLS akan menghasilkan akan
menghasilkan estimasi nilai parameter model pengguna yang valid jika memenuhi asumsi normalitas, tidak terdapat autokorelasi, tidak terdapat multikolinearitas,
serta tidak terdapat heterokedastisitas.
3.10.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Suatu data dikategorigan sebagai data
yang baik jika memiliki distribusi normal, sehingga hasil penelitian dapat digeneralisasikan pada populasi. Uji normalitas dilakukan dengan menggunakan
Kolmogorov Smirnov. Dengan menggunakan tingkat signifikansi 5, maka jika nilai Asym.sig. 2 tailed di atas nilai signifikan 5, artinya variabel residual
Universitas Sumatera Utara
62
berdistribusi normal. Jika nilai kolmogorov-smirnov Z 1.97 maka dapat dikatakan bahwa tidak ada perbedaan antara distribusi teoritik dengan distribusi
empiris, atau dapat dikatakan bahwa data merupakan data normal Situmorang dan Lufti, 2012:100.
3.10.2 Uji Heterokedastisitas
Uji ini dilakukan untuk melihat tingkat pengaruh variabel bebas terhadap variabel terikat. Pada uji heterokedastisitas, varians variabel independen konstan
untuk setiap nilai tertentu. Model regresi dikatakan baik jika tidak terjadi heterokadastisitas. Terdapat 2 metode untuk melihat adanya heterokedastisitas
atau tidak, yaitu dengan menggunakan metode informal dan metode formal Situmorang dan Lufti, 2012. Digunakan uji Glejser untuk menguji
heterokedastisitas dengan mengambil keputusan jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi
terjadi heterokedastisitas. Jika probabilitas signifikansinya di atas tingkat kepercayaan 5, maka dapat disimpulkan bahwa model regresi tidak mengarah
pada adanya heterokedastisitas.
3.10.3 Uji Multikolinearitas
Multikolinearitas maksudnya adalah adanya lebih dari satu hubungan linear yang sempurna antara variabel-veriabel bebas dalam model regresi.
Koefisien-koefisien regresi diinterpretasikan sebagai ukuran perubahan variabel terikat jika terdapat variabel bebas naik sebesar satu unit dan seluruh variabel
Universitas Sumatera Utara
63
lainnya dianggap tetap. Interpretasi dapat ini dianggap tidak benar jika ditemukan adanya hubungan linear antara variabel bebas.
Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor melalui SPSS
dengan membandingkan sebagai berikut. VIF 5 maka diduga terjadi multikolinearitas
VIF 5, maka diduga tidak terjadi multikolinearitas Tolarance 0.1 maka diduga terjadi multikolinearitas
Tolerance 0.1 maka diduga tidak terdapat multikolinearitas Jika hasil korelasi antara variabel bebas berada di bawah 0.9 maka tidak
terjadi multikolinearitas. Semakin banyak regresor yang signifikan, maka goodness to fit R
2
cenderung tinggi, karena semakin banyak variabel bebas yang menjelaskan variabel terikat. Namun, meskipun nilai R
2
tinggi, biasanya tidak akan terjadi banyak regresor yang signifikan jika dalam model terjadi kolinearitas.
Hal ini menunjukkan bahwa jika terjadi kolinearitas secara individual regresor tersebut tidak signifikan, namun secara bersama-sama regresor tersebut signifikan
Situmorang et al., 2012:111.
3.11 Metode Analisis Deskriptif
