dengan bantuan software SPSS for windowv.21. Ada dua jenis pengujian yang dapat dipakai dalam penelitian ini, yaitu uji asumsi klasik dan pengujian hipotesis.
3.6.1 Pengujian Asumsi Klasik a. Uji Normalitas
Uji normalitas bertujuan mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal Erlina, 2011 : 101. Cara yang
digunakan untuk mendeteksi apakah residual mengikuti distribusi normal atau tidak adalah dengan analisis grafik. Jika data menyebar di sekitar garis diagonal atau grafik
histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya. Dasar pengambilan keputusan dalam
melihat penyebaran data titik pada sumbu diagonal dari grafik normal probability plot
menurut Ghozali 2005 dalam Sarasati 2013: 58 adalah : 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi
normal, maka model regresi tidak memenuhi asumsi normalitas.
Cara yang lain adalah dengan memakai uji statistik Kolmogrov-Smirnov yang disingkat K-S. Uji K-S dibuat dengan membuat hipotesis :
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Universitas Sumatera Utara
Bila sig 0,05 dengan α = 5, berarti distribusi data normal Ho diterima, sebaliknya bila sig 0,05 dengan α = 5, berarti distribusi data tidak normal Ha
diterima. Distribusi yang tidak memenuhi asumsi normalitas dapat diubah menjadi
distribusi normal dengan cara sebagai berikut : a. Transformasi data
Transformasi data dapat dilakukan dengan logaritma natural ln, log 10, maupun akar kuadrat. Jika ada data yang bernilai negatif, maka transformasi data
dengan log akan menghilangkannya sehingga sampel n akan berkurang. b.
Trimming Trimming
adalah membuang atau memangkas observasi yang bersifat outlier, yaitu yang nilainya lebih kecil dari μ-2σ atau lebih besar dari μ+2σ. Metode ini juga
akan mengecilkan sampelnya. c. Winzorising
Winzorising mengubah nilai - nilai outliers menjadi nilai - nilai minimum atau
nilai - nilai maksimum yang diizinkan supaya distribusi menjadi normal. Nilai–nilai observasi yang lebih kecil dari μ-2σ akan diubah nilainya menjadi μ-2σ dan nilai –
nilai yang le bih besar dari μ+2σ akan diubah menjadi μ+2σ.
b. Uji Multikolinieritas
