Uji Normalitas Uji Asumsi Klasik

62

2. Uji Asumsi Klasik

Uji asumsi klasik merupakan tahapaon awal yang digunakan sebelum analisis linier berganda Ghozali, 2011: 105. Ketika asumsi tidak terpenuhi, biasanya peneliti menggunakan berbagai solusi agar asumsinya dapat terpenuhi atau beralih ke metode yang lebih advance agar asumsinya dapat terselesaikan. Uji asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji multikolonieritas, dan uji heteroskedastisitas.

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2006:160. Ada dua cara yang sering digunakan untuk menguji normalitas residual, yaitu dengan analisis grafik normal P-Plot regresi dan uji One Sample Kolmogorov-Smirnov. Uji normalitas dilakukan dengan melihat normal probability plot P – Plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika menyebar sekitar garis dan mengikuti garis diagonal, maka residual pada model regresi tersebut terdistribusi secara normal Priyatno, 2013:50. Sedangkan untuk uji normalitas penelitian ini juga menggunakan uji non- parameterik Kolmogorov-smirnov K-S untuk mengetahui signfikansi data terdistribusi normal. Yaitu dengan cara melihat nilai signifikansi residual Asym.Sig 2-tailed. Jika signifikansi lebih dari 0,05, maka residual terdistribusi secara normal Priyatno, 2013:53. b. Uji Multikolineraritas 63 Multikolonieritas adalah keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linier yang sempurna atau mendekati sempurna. Uji multikoloniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independent Ghozali, 2011:171. Jika variabel independent saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independent yang nilai korelasi antar sesama variabel independent sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut. a. Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independent banyak yang tidak signifikan mempengaruhi variabel dependent. b. Menganalisis matriks korelasi variabel-variabel independent. Jika antar variabel ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independent tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independent. c. Multikolinieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independent manakah yang dijelaskan oleh variabel independent lainnya. Dalam pengertian sederhana setiap variabel independent menjadi variabel dependent terikat dan diregres terhadap variabel independent lainnya. Tolerance mengukur variabilitas variabel independent yang terpilih jika dijelaskan oleh variabel independent lainnya. Jadi nilai 64 tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Setiap peneliti harus menentukan tingkat kolinieritas yang masih dapat ditolerir. Sebagai misal nilai tolerance = 0.10 sama dengan tingkat kolinieritas 0.95. Walaupun multikolinieritas dapat dideteksi dengan nilai tolerance dan VIF, tetapi kita masih tetap tidak mengetahui variabel- variabel independent mana sajakah yang saling berkolerasi. c. Uji Heteroskedastisitas 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 homokedastisitas dan jika berbeda disebut heterokedastisitas. Ghozali, 2011:138 Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Kebanyakan data crossection mengandung situasi heterokedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, besar. Salah satu cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan cara melihat grafik plot antara nilai prediksi variabel terikat dependent yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan 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 Y prediksi – Y sesungguhnya yang telah di-studentized. Dengan analisis jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan 65 telah terjadi heterokedastisitas dan 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. Uji Hipotesis