71
dengan membagi nilai kurtosis dibagi dengan standard error kurtosis. Sebagai pedoman, apabila rasio skewness dan rasio kurtosis berada diantara -2 hingga +2,
maka Distribusi data adalah normal Santoso, 2000:53. Uji normalitas data juga dapat dilihat dengan memperlihatkan penyebaran
data titik pada normal P plot of regression standizzed residual variabel independen, dimana :
9 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas. 9
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas
Model regresi yang baik adalah yang mempunyai distribusi data normal atau mendekati normal.
3.5.3 Uji Asumsi Klasik
Model regresi dengan metode kuadrat terkecil biasa Ordinary Least SquaresOLS merupakan model regresi yang menghasilkan estimator linier tidak
bias yang terbaik Best Linier Unbias EstimatorBLUE jika terpenuhi asumsi- asumsi klasik.
Model uji asumsi klasik tersebut adalah :
3.5.3.1 Multikolinearitas
Multikolinearitas artinya antarvariabel independen yang ada mendekati sempurna koefisien korelasi tinggi atau bahkan mencapai satu Algifari
2000:84. Sedangkan menurut Sumodiningrat 1999:281 istilah multikolinearitas
72
digunakan untuk menunjukkan adanya hubungan linier di antara variabel-variabel independen dalam model regresi.
Salah satu cara untuk mengetahui ada tidaknya multikolinearitas pada suatu model regresi adalah dengan melihat nilai tolerance dan VIF Variance
Inflation Factor, yaitu : 9
Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa tidak terdapat multikolinearitas pada penelitian tersebut.
9 Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa terjadi
gangguan multikolinearitas pada penelitian tersebut.
3.5.3.2 Heteroskedastisitas
Heteroskedastisitas adalah adanya varians variabel dalam model regresi yang tidak sama konstan. Pada suatu model regresi yang baik adalah yang
berkondisi homokedastisitas atau tidak terjadi heterokedastisitas. Konsekuensi adanya heroskedastisitas dalam model regresi adalah penaksir estimator yang
diperoleh tidak efisien, baik dalam sampel kecil maupun sampel besar. Salah satu cara untuk mendiagnosis adanya heteroskedastisitas dalam
suatu model regresi adalah dengan melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Adapun dasar analisis
dengan melihat grafik plot adalah sebagai berikut : 9
Jika terdapat pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka menunjukkan telah terjadi heterokedastisitas.
9 Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
73
Selain itu untuk mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan Uji Gletser dengan meregres nilai absulut residual terhadap
variabel indpenden Gujarati,2003. Apabila variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi
heteroskedastisitas.
3.5.4 Analisis Regresi Berganda
