level of significant sebesar 0,05 atau sebesar 5. Pengujian normalitas dilakukan dengan membandingkan p-value yang diperoleh dengan tingkat
signifikansi yang ditentukan sebesar 0,05. Bila p-value ³ 0,05 maka data yang digunakan dalam penelitian merupakan data yang terdistribusi normal
Priyatno, 2008. Selain itu juga digunakan Histogram Display Normal Curve, dan Kurva Normal P-P PLOT.
Pengujian dengan Histogram Display Normal Curve, data dikatakan terdistribusi normal jika bentuk kurva memiliki kemiringan yang seimbang
pada sisi kiri dan kanan, atau tidak condong, melainkan ketengah dengan bentuk seperti lonceng, dengan nilai skewness mendekati 0 Nugroho, 2005.
Sedangkan pengujian dengan kurva normal P-P PLOT, data dikatakan terdistribusi normal jika penyebaran titik-titik data terletak di sekitar garis
diagonal dan searah mengikuti garis diagonal Nugroho, 2005.
3.5.3 Pengujian Asumsi Klasik
3.5.3.1 Multikolinearitas
Menurut Gujarati 1999 “Uji Multikolinearitas digunakan untuk mengetahui ada tidaknya hubungan linear yang “sempurna” atau pasti di
antara variabel-variabel independen yang menjelaskan dari model regresi Gujarati, 1999”. Menurut Nugroho 2005 “Bila terjadi hubungan linear
yang “sempurna” pada beberapa atau semua variabel independen maka terdapat korelasi yang sangat kuat di antara variabel independen”.
Pendeteksian multikolinearitas dapat dilihat dari beberapa hal antara lain:
Universitas Sumatera Utara
1 Jika nilai dari Variance Inflation Factor VIF lebih dari 1 dan kurang dari 10 dan nilai dari Tolerance lebih dari 0,1 maka dapat dikatakan bahwa
model yang digunakan dalam model terbebas dari multikolinearitas. 2 Jika koefisien korelasi antara masing-masing variabel independen tidak
lebih dari 0,70 maka model penelitian terbebas dari multikolinieritas, dan sebaliknya.
3 Jika nilai koefisien determinan maupun R-Square di atas 0,60 tetapi tidak ada variabel independen yang berpengaruh terhadap variabel dependen
maka dapat dikatakan bahwa model terkena multikolinieritas.
3.5.3.2 Autokorelasi
Menurut Gujarati 1999 “Autokorelasi didefinisikan sebagai korelasi antar anggota serangkaian observasi yang diurutkan menurut waktu atau
ruang”. Pengujian ini perlu dilakukan untuk mengetahui ada tidaknya hubungan antar unsur gangguan pada observasi dengan unsur gangguan pada
observasi lain. Autokorelasi sering terjadi pada sampel dengan metode pengumpulan time series. Metode yang paling terkenal untuk mendeteksi ada
tidaknya korelasi adalah menggunakan pengujian Durbin- Watson. Penentuan nilai Durbin-Watson dibantu dengan tabel dl dan du. Penentuan ada tidaknya
autokorelasi dapat digunakan patokan nilai Durbin-Watson hitung yang berkisar antara 0 dan 4 Uyanto, 2009. Bila nilai uji statistik Durbin-Watson
lebih kecil dari satu atau lebih besar dari tiga maka residual dari model regresi berganda tidak bersifat independen atau terjadi autokorelasi.
Universitas Sumatera Utara
3.5.3.3 Heteroskesdastisitas