31
0,05, maka distribusi data tidak normal Ha diterima. Distribusi yang melanggar asumsi normalitas dapat dijadikan menjadi bentuk
normal dengan berbagai cara Erlina, 2011 :100. a.
Transformasi data Transformasi data dapat dilakukan dengan logaritma
natural ln, log 10, maupun akar kuadrat. Jika ada data yang bernilai negatif, transformasi data dengan log akan
menghilangkannya sehingga sampel n akan berkurang.
a. Trimming
Trimming adalah membuang 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.
b. Winzorising
Winzorising mengubah nilai - nilai outliers menjadi nilai - nilai minimum atau 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 lebih besar dari μ+2σ akan diubah menjadi μ+2σ.
Kesimpulannya adalah apabila nilai Kolmogorov-Smirnov signifikan pada tingkat 0,05 atau lebih rendah dari itu, maka data
residual dinyatakan berdistribusi tidak normal, sebaliknya apabila nilai Kolmogorov-Smirnov signifikan pada tingkat diatas 0,05 maka data
residual berdistribusi secara normal.
3.6.1.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam dalam suatu
Universitas Sumatera Utara
32
model regresi linear berganda. Jika ada korelasi tinggi diantara variabel- variabel bebasnya, maka hubungan antara variabel bebas terhadap
variabel terikatnya menjadi terganggu Sunjoyo dkk., 2013 : 65. dalam Prandana : 2013. Untuk mendeteksi ada atau tidaknya multikolonieritas
di dalam model regresi adalah sebagai berikut: a.
Menganalisis matrik korelasi variabel – variabel independen, jika diantara variabel independen ada korelasi yang cukup tinggi umumnya
diatas 0.90, maka hal ini merupakan indikasi adanya multikolonieritas. b.
Multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF,nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
Menurut Erlina 2008 : 105 “apabila terjadi multikolinieritas ada dua cara yang dapat dilakukan yaitu :
1. Mengeluarkan salah satu variabel independen A dan B saling
berkorelasi dengan kuat, maka bisa dipilih A atau B yang dikeluarkan dari model regresi.
2. Menggunakan metode lanjut seperti regresi Bayesian atau regresi
Ridge.
Universitas Sumatera Utara
33
3.6.1.3 Uji Heteroskedastisitas
Salah satu asumsi yang paling penting dari model regresi linear adalah varian residual bersifat homokedastisitas atau bersifat konstan.
Umumnya heterokedastisitas sering terjadi pada model yang menggunakan data cross section silang waktu daripada data time series
runtut waktu. Pengujian gejala heterokedastisitas bertujuan untuak melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari
residual satu pengamatan ke pengamatan yang lain, jika varian dari residual satu pengamatan ke pengamatan lain tetap maka disebut
homoskedistisitas, dan jika berbeda disebut heteroskedistasitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Erlina, 2011 :
105. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dengan
melihat dari grafik scatterplot atau dengan uji glejser. Uji glejser bertujuan untuk meregres nilai absolut residual terhadap variabel
independen Gujarati 2003 dalam Ghozali 2011. Dasar yang digunakan untuk menentukan heterokedastisitas :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian
mnenyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
Universitas Sumatera Utara
34
2. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas
Pengambilan keputusan terjadi atau tidaknya heteroskedastisitas adalah:
Jika nilai Sig. 0.05, maka H0diterima dan tidak terjadi heteroskedastisitas,
Jika nilai Sig. 0.05, maka Ha diterima dan terjadi heteroskedastisitas
3.6.1.4 Uji Autokorelasi