d. Homokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
Pengujian tersebut meliputi :
a. Uji Normalitas
Uji ini bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusu normal Ghozali, 2005 : 110. Uji ini
ditujukan untuk mendapatkan kepastian terpenuhinya syarat normalitas yang akan menjamin dapat dipertanggungjawabkannya langkah-langkah analisis statistik sehingga
kesimpulan yang diambil dapat dipertanggungjawabkan. Pedoman tentang data tersebut mendekati atau merupakan distribusi normal dapat didasarkan pada analisis grafik dan
analisis statistik. Analisis grafik dilakukan dengan melihat grafik histogram yang membandingkan data observasi dengan distribusi yang mendekati distribusi normal atau
mengikuti kurva berbentuk lonceng dan grafik normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Dasar pengambilan
keputusan normal probability plot tersebut adalah sebagai berikut : 1
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi
memnuhi asumsi normalitas. 2
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogramnya tidak menunjukkan pola distribusi normal, maka
model regresi tidak memenuhi asumsi normalitas. Analisis statistik dilakukan dengan uji statistik nonparametrik Kolmogorov
Smirnov K-S. Bila nilai signifikan 0,05 berarti distribusi data tidak normal,
Universitas Sumatera Utara
sebaliknya bila nilai signifikan 0,05 berarti distribusi data normal Ghozali, 2005 : 115
Distribusi yang melanggar asumsi normalitas dapat dijadikan menjadi bentuk yang normal dengan beberapa cara sebagai berikut :
1 Transformasi data Transformasi data dapat dilakukan dengan logaritma natural Ln, Log10, mupun
akar kuadrat. Jika ada data yang bernilai negatif, transformasi data dengan logaritma akan menhilangkannya sehingga jumlah sampel n akan berkurang.
2 Trimming Trimming adalah memangkas atau membuang observasi yang bersifat outlier, yaitu
yang nilainya lebih kecil dari μ-2σ atau lebih besar dari μ+2σ. Metode ini juga
mengecilkan jumlah sampelnya.
3 Winzorising Winzorising mengubah nilai-nilai outliers menjadi nilai-nilai minimum atau
maksimum yang diizinkan supaya distribusinya menjadi normal. Nilai-nilai observasi yang lebih kecil dari
μ-2σ akan diuibah nilainya menjadi μ-2σ dan nilai –nilai yang lebih besar dari
μ+2σ akan diubah nilainya menjadi μ+2σ.
Universitas Sumatera Utara
b. Uji Multikolinearitas
