39 Ha = Data residual tidak terdistribusi normal
Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut : a.
Apabila probabilitas nilai Z uji K-S signifikan secara statistik maka Ho ditolak, yang berarti data terdistribusi tidak normal.
b. Apabila probabilitas nilai Z uji K-S tidak signifikan statistik
maka Ho diterima, yang berarti data terdistribusi normal. Pedoman pengambilan keputusan adalah sebagai berikut :
a. Nilai sig. atau signifikan atau nilai probabilitas 0.05 distribusi
adalah tidak normal. b.
Nilai sig. atau signifikan atau nilai probabilitas 0.05 distribusi adalah normal.
3.8.2.2 Uji Heteroskedastisitas
Menurut Ghozali 2006:105, Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah Homoskedastisitas atau tidak terjadi
Heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan melihat ada tidaknya pola tertentu
pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual. Dasar
analisis uji heteroskedastisitas adalah sebagai berikut :
Universitas Sumatera Utara
40 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, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
3.8.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode
t dengan kesalahan pada periode t-
1
atau sebelumnya Erlina, 2011:106. Autokorelasi muncul karena observasi yang berurutan
sepanjang tahun yang berkaitan satu dengan lainnya. Salah satu cara yang dapat dilakukan untuk mendeteksi terjadi atau tidaknya
autokorelasi adalah dengan uji Durbin Watson. Uji ini hanya digunakan untuk autokorelasi
tingkat pertama first order autokorelasi
dan mengisyaratkan adanya intercept konstanta dalam model regresi. Pengambilan keputusan ada tidaknya autokorelasi
digambarkan dalam tabel berikut ini :
Universitas Sumatera Utara
41
Tabel 3.3 Kriteria Pengambilan Keputusan
Metode Durbin-Watson Kriteria Pengujian
Kesimpulan Keputusan
0 d dl Terjadi autokorelasi positif
Tolak dl ≤ d ≤ du
Tidak ada autokorelasi positif Tidak ada keputusan
4-dl d 4 Terjadi autokorelasi negative
Tolak 4-
du ≤ d ≤ 4-dl Tidak ada autokoelasi negatif
Tidak ada keputusan du d 4-du
Tidak ada autokorelasi positif atau negative
Tidak ditolak
Sumber : Ghozali, 2006:96
3.8.2.4 Uji Multikolinearitas
