3.6.1.1 Uji Normalitas Data
Menurut Erlina 2008:102, “tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel
pengganggu atau residual memiliki distribusi normal”. Pengujian ini diperlukan karena untuk melakukan uji T dan uji
F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Uji normalitas bertujuan untuk menguji apakah
variabel independen dan variabel dependen berdistribusi normal Ghozali, 2005:110. Model regresi yang baik adalah
memiliki distribusi data normal atau mendekati normal. Cara yang dapat digunakan untuk menguji apakah variabel
pengganggu atau residual memiliki distribusi normal adalah dengan melakukan uji Kolmogorov-Smirnov terhadap model
yang diuji. Kriteria pengambilan keputusan adalah apabila nilai signifikansi 0.05, maka residual memiliki distribusi normal
dan apabila nilai signifikansi 0.05, maka residual tidak memiliki distribusi normal. Selain itu, uji normalitas juga dapat
dilakukan dengan melakukan analisis grafik normal probability plot dan grafik histogram.
3.6.1.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi mempunyai korelasi antar variabel independen.
Universitas Sumatera Utara
Menurut Umar 2003:132 ”multikolinearitas adalah ada tidaknya korelasi yang sempurna atau korelasi yang tidak
sempurna tetapi relatif tinggi pada variabel-variabel bebasnya”. Pengujian multikolinearitas dilakukan dengan
melihat nilai VIF antar variabel independen. Jika nilai VIF lebih besar dari 10, maka terjadi multikolinearitas di antara
variabel independen. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
1. Koefisien - koefisien regresi menjadi tidak dapat ditaksir, dan
2. Nilai standar error setiap koefisien regresi menjadi tak
terhingga.
3.6.1.3 Uji Heteroskedastisitas
Menurut Imam Ghozali 2005:105, uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terdapat
ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Konsekuensinya adanya heteroskedastisitas
dalam model regresi adalah penaksir yang diperoleh tidak efisien, baik dalam sampel kecil maupun besar. Salah satu cara
yang dapat digunakan untuk mengetahui ada tidaknya gejala heteroskedastisitas adalah dengan melihat pada grafik scatter
plot dimana apabila ada pola tertentu seperti titik-titik yang membentuk pola yang teratur bergelombang, melebar,
Universitas Sumatera Utara
kemudian menyempit maka mengindikasikan telah terjadi heteroskedastisitas. Sebaliknya jika tidak ada pola yang jelas
maka tidak terjadi gejala heteroskedastisitas. Untuk mengetahui ada tidaknya heteroskedastisitas juga
dapat diketahui dengan melakukan uji glejser. Jika variabel bebas signifikan secara statistic mempengaruhi variabel terikat
maka ada indikasi terjadi heteroskedastisitas Ghozali, 2005:69.
3.6.1.4 Uji Autokorelasi