multikolinearitas, dan tidak terdapat autokorelasi. Jika terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat menyebabkan biasanya standar error. Jika
terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari variabel, sehingga tingkat signifikansi koefisien regresi menjadi
rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih tetap biasa dan masih tetap konsisten hanya saja menjadi tidak efisien. Oleh karena itu, uji asumsi
klasik perlu dilakukan. Penelitian ini menggunakan bantuan program software SPSS 17.0 for Windows
Statistic Product Service Solution dalam penelitian ini. Sebelum melakukan analisis regresi, agar didapat perkiraan yang efisien dan tidak bisa dilakukan
pengujian asumsi klasik, adapun syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis.
3.9.1.1 Uji Normalitas Data
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variable pengganggu atau residual memiliki distribusi normal Erlina, 2008. Data
yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal, untuk menguji apakah distribusi normal atau tidak dapat dilihat melalui
normal probability plot dengan membandingkan distribusi kumulatif dan distribusi normal. Data normal akan membentuk satu garis lurus diagonal dan ploting data akan
dibandingkan dengan garis diagonal. Jika distribusi data adalah normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali,
Universitas Sumatera Utara
2005. Uji ini juga dilakukan dengan beberapa pendekataan antara lain : pendekatan kolmigorov-smirnov, pendekatan histogram dan pendekatan grafik.
a. Pendekatan Kolmogorov-Smirnov Alat uji ini digunakan untuk memastikan apakah data di sepanjang garis
diagonal berdistribusi normal. Hipotesisnya sebagai berikut: H
= data residual berdistribusi normal, H
a
= data residual tidak berdistribusi normal, dengan menggunakan tingkat signifikan
�5. jika nilai Asymp.Sig 2 tailed taraf nyata
α, maka H diterima artinya data residual berdistribusi
normal, s ebaliknya jika nilai Asymp.Sig 2 tailed taraf nyata α, maka H
a
diterima artinya data residual tidak berdistribusi normal. b. Pendekatan Histogram
Menguji normalitas data dapat dilihat dengan kurva normal. Kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satu diantaranya adalah
mean, modus, dan median pada tempat yang sama. Ukuran kemiringan puncak kurva ke kiri atau ke kanan dikenal dengan nama “kemiringan kurva”
atau “kemencengan kurva” skewness. Kemencengan suatu kurva distribusi data dapat bertanda positif arah kanan dan bertanda negatif arah kiri.
c. Pendekatan Grafik PP plot akan membentuk plot antara nilai-nilai teoritis sumbu x melawan
nilai-nilai yang didapat dari sampel sumbu y, Apabila plot dari keduanya
Universitas Sumatera Utara
berbentuk linier didekati garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal, pola-pola titik yang terletak selain di ujung-ujung
plot masih berbentuk linier, meskipun ujung-ujung plot agak menyimpang dari garis lurus, dapat dikatakan bahwa sebaran data adalah menyebar normal.
3.9.1.2 Uji Heteroskedastisitas