50 Penggunaan analisis regresi dalam statistik harus bebas dari asumsi-
asumsi klasik seperti normalitas data, autokorelasi, heterokedasitas dan asumsi-asumsi klasik lainnya. Adapun pengujian asumsi klasik yang
digunakan adalah sebagai berikut:
a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal.
Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal Erlina,
2008. Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan menganalis grafik. Jika
data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka
model regresi memenuhi asumsi normalitas, demikian sebaliknya. Menurut Ghozali 2006, ada dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan analisis statistik
1. Analisis Grafik
Untuk melihat normalitas data dapat dilakukan dengan melihat histogram atau pola distribusi data. Normalitas dapat dideteksi
dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. 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. Analisis Statistik
Universitas Sumatera Utara
51 Uji statistik yang digunakan untuk menguji normalitas residual
adalah uji stastistik Kolmogorov Smirnov K-S. Pedoman pengambilan keputusan rentang data tersebut mendekati atau
merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat dari:
a Nilai Sig. atau signifikan atau probabilitas 0,05, maka
distribusi data adalah tiak normal, b
Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal Ghozali, 2006.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model ditemukan adanya korelasi diantara variabel independen. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel-variabel
independen antara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel-variabel bebas yang bersifat orthogonal adalah variabel
yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelai sempurna diantara sesama variabel bebas, maka
konsekuensinya Erlina, 2008 adalah: 1
Koefisien-koefisien regresi menjadi tidak dapat ditaksir. 2
Nilai standar error setiap koefisien regresi menjadi tak terhingga. Apabila terjadi korelasi antar variabel independen, maka dinamakan
terdapat problem multikolinearitas. Pengujian multikolinearitas dapat dilakukan dengan melihat Variance Inflation Factor VIF dan korelasi
diantara variabel independen. Jika nilai VIF 10 atau nilai tolerance 0,10 maka terjadi multikolinearitas Ghozali, 2006.
Universitas Sumatera Utara
52 Ada dua cara yang dapat dilakukan jika terjadi multikolinearitas
Erlina, 2008 yaitu: 1
Mengeluarkan salah satu variabel, misalnya variabel independen A dan B saling berkorelasi kuat, maka bisa dipilih A atau B yang
dikeluarkan dari model regresi. 2
Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi Ridge.
c. Uji Heterokedasitas
