3.6.1 Pengujian Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi asumsi klasik. Uji asumsi klasik yang dilakukan adalah uji normalitas, uji
multikolinieritas, uji heteroskedastisitas dan uji autokorelasi
3.6.1.1 Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik parametrik, dan
jika data tidak normal maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Data yang baik adalah data yang
mempunyai pola seperti distribusi normal. Untuk melihat normalitas dapat dilakukan dengan melihat histogram atau pola distribusi data
normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik
pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Dasar pengambilan keputusannya adalah:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya menunjukkan pola
berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
Universitas Sumatera Utara
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data
berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Dalam penelitian ini Peneliti menggunakan uji Kolmogorov Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat dengan
membuat hipotesis: H
: data residual berdistribusi normal, Ha : data residual tidak berdistribusi normal.
Bila signifikansi 0,05 dengan α = 5, berarti distribusi data
normal dan H diterima, sebaliknya bila nilai nilai signifikansi 0,05
berarti distribusi data tidak normal dan Ha diterima. Data yang tidak terdistribusi secara tidak normal dapat ditransformasikan agar menjadi
normal.
3.6.1.2 Uji Multikolinieritas
Menurut Ghozali 2005, “uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen.”
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinieritas adalah situasi adanya korelasi
variabel-variabel independen antara yang satu dengan yang lainnya. Jika
Universitas Sumatera Utara
terjadi korelasi sempurna di antara sesama variabel bebas, maka konsekuensinya adalah:
1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir, 2. Nilai standar error setiap koefisien regresi menjadi tak terhingga.
Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan
menganalisis matriks korelasi variabel-variabel independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah
jika nilai VIF tidak lebih dari sepuluh dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinieritas.
3.6.1.3 Uji Heteroskedastisitas