4.6.2 Uji Asumsi Klasik.
Sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi berganda, maka diperlukan uji pengujian asumsi klasik yang meliputi
pengujian normalitas, linieritas, multikolinearitas, dan heteroskedastisitas.
a. Uji Normalitas.
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2006.
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram.
Pengujian normalitas menggunakan analisis grafik dilakukan dengan menggunakan histogram dengan menggambarkan variabel dependent sebagai
sumbu vertikal sedangkan nilai residual terstsandarisasi digambarkan sebagai sumbu horizontal. Jika Histogram Standardized Regression Residual membentuk
kurva seperti lonceng maka nilai residual dinyatakan nornal. Cara lain untuk menguji normalitas dengan pendekatan grafik adalah dengan menggunakan
Normal Probability Plot, yaitu dengan membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Distribusi
normal digambarkan dengan sebuah garis diagonal lurus dari kiri bawah ke kanan atas. Distribusi kumulatif dari data sesungguhnya digambarkan dengan ploting.
Jika data normal maka garis yang menggambarkan data sesungguhnya akan mengikuti atau merapat ke garis diagonalnya.Uji statistik lain yang dapat
digunakan untuk menguji residual adalah uji statistik non parametrik Uji Kolmogorov – Smirnov K-S.Uji normalitas menggunakan uji statistik non
Universitas Sumatera Utara
parametrik Uji Kolmogorov – Smirnov K-S merupakan uji normalitas menggunakan fungsi distribusi kumulatif. Nilai residual terstandarisasi
berdistribusi normal jika K hitung K tabel atau nilai Sig. alpha Suliyanto, 2011.
b. Uji Multikolinieritas.
Uji Multikolinieritas bertujuan untuk menguji apakah dalam model regresi yang terbentuk ditemukan atau tidak korelasi diantara variable independen. Model
regresi yang baik seharusnya tidak terjadi multikolinearitas. Jika variabel independen saling berkorelasi maka variabel –variabel independen ini akan
ditemukan adanya masalah multikolinearitas. Suatu model regresi yang baik harus tidak menimbulkan masalah multikolinearitas. Untuk mendeteksi ada atau
tidaknya multikolinearitas didalam model regresi salah satu cara yang dapat dilakukan adalah dengan melihat nilai Tolerannce dan Variance Inflation Factor
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0,10 atau sama dengan nilai Variance Inflation Factor
VIF 10 Ghozali, 2006.
c. Uji Hetroskedastisitas