Uji Normalitas Uji Heterokedastisitas Uji Autokorelasi

48

3.7.1 Uji Asumsi Klasik

1. Uji Normalitas

Pengujian normalirtas data dilakukan untuk melihat apakah dalam model regresi, variabel dependen dan independennya memiliki distribusi normal atau tidak. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas Juliandi 2013:169. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu: a. Analisis Grafik Cara yang digunakan adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan plotnya data residual akan dibandingkan dengan garis diagonal. Jika distribusi residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. b. Analisis Statistik Uji statistik yang digunakan untuk menguji normalitas data adalah uji Kolmogorov-Smirnov K- S dengan α = 5 ketentuannya adalah: a Nilai Sig. 0,05, maka data tidak normal. b Nilai Sig. 0,05, maka data normal.

2. Uji Heterokedastisitas

Heterokedastisitas digunakan untuk menguji apakah dalam model regresi, terjadi ketidaksamaan varians dari residual dari suatu pengamatan yang lain. Jika varians residual dari satu pengamatan ke pengamatan yang lain tetap, maka 49 disebut homokedastisitas, dan jika varians berbeda disebut heterokedastisitas. Model yang baik adalah tidak terjadi heterokedastisitas. Dasar pengambilan keputusannya adalah : jika pola tertentu seperti titik- titik poin-poin yang ada membentuk suatu pola tertentu yang teratur, maka terjadi heterokedastisitas. Jika tidak ada pola yang jelas, serta titik-titik point- point menyebar di bawah dan di atas angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas Santoso, 2000.

3. Uji Autokorelasi

Uji autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu time series. Autokorelsi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya atau dat sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat tergantung pada tempat data tersebut terjadi Ghozali, 2005:175. Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson DW. a. Jika nilai D-W di bawah -2 berarti ada autokorelasi positif b. Jika nilai D-W diantara -2 sampai +2 berarti tidak ada autokorelasi c. Jika nilai D-W di atas -2 berarti ada autokorelasi negatif 50

3.7.2 Analisis Regresi Linier Sederhana