50
estimator. BLUE adalah asumsi yang dikembangkan oleh Gauss dan Markov, yang kemudian teori tersebut terkenal dengan sebutan Gauss Markov Theorem.
Uji asumsi klasik adalah persyaratan statistic yang harus dipenuhi pada analisis regresi linier berganda berbasis OLS. Jadi analisis yang tidak berdasarkan OLS
tidak memerlukan persyaratan asumsi klasik Situmorang, 2010:100.
3.11.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji tentang kenormalan distribusi data. Penggunaan uji normalitas karena pada analisis statistik parametrik, asumsi
yang harus dimiliki oleh data adalah bahwa data tersebut terdistribusi secara normal.
Dasar pengambilan keputusan memenuhi normalitas atau tidak adalah sebagai berikut Ghozali, 2005:147:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal,
maka modal regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti arah
garis diagonal atau grafik histogramnya tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.11.2 Uji Heteroskedastisitas
Bertujuan menguji apakah dalam modal regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Ghozali
2005:126 mengatakan apabila suatu model regresi, terdapat kesamaan varian dari residual dari satu pengamatan ke pengamatan yang lain, maka disebut
51
homoskedastisitas, dan jika varian berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak heterokedastisitas.
Heteroskedastisitas dalam penelitian ini diuji dengan menggunakan uji scatterplot. Deteksi adanya heteroskedastisitas dengan melihat ada tidaknya pola
tertentu pada grafik, dimana sumbu X adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized.
Hipotesis yang diajukan: H
: Model regresi tidak ada heteroskedastisitas. H
A
: Model regresi terdapat heteroskedastisitas. Kriteria Pengambilan Keputusan:
1. Jika tidak terdapat pola tertentu pada grafik atau titik-titik yang ada menyebar secara acak, maka diterima, dan
2. Jika terdapat pola tertentu bergelombang, melebar kemudian menyempit pada grafik, maka ditolak.
3.11.3 Uji Multikolinearitas
Multikolinearitas adalah suatu keadaan yang satu atau lebih variabel bebannya terdapat korelasi dengan variabel bebas lainnya. Uji multikolinearitas
bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antarvariabel independen, dimana model regresi yang baik seharusnya tidak
terjadi korelasi antar variabel independen. Mengukur multikolinearitas dapat dilihat dari nilai toleransi atau VIF Variance Inflation Factor dari masing-
masing variabel. Jika nilai toleransi ≤ 0,10 atau VIF ≥ 10 maka terdapat
multikolinearitas, sehingga variabel tersebut tidak bisa digunakan Ghozali,
52
2005:95. Variabel bebas memiliki korelasi 0,90 maka hal ini merupakan indikasi multikolinearitas.
3.12 Uji Hipotesis