3.5.3 Data Asumsi Klasik
Uji asumsi klasik terhadap model regresi yang digunakan untuk mengetahui apakah model regresi yang digunakan itu merupakan model regresi yang baik atau tidak.
Dalam penelitian ini uji asumsi klasik yang digunakan adalah uji multikolinieritas, uji heteroskedastitas, dan uji normalitas.
3.5.3.1 Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk mengetahui apakah terdapat korelasi antar variabel bebas dalam model regresi. Model regresi dikatakan baik jika tidak terdapat
korelasi di antara variabel bebasnya. Pengujian ada tidaknya gejala multikolinieritas dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat
pengolahan data serta nilai VIF Variance Inflation Factor dan toleransinya. Apabila nilai matriks korelasi tidak ada yang lebih besar dari 0.5 maka dapat dikatakan data
yang akan dianalisis bebas dari multikolinieritas. Kemudian apabila nilai VIF berada dibawah 10 dan nilai toleransi mendekati 1, maka diambil kesimpulan bahwa model
regresi tersebut tidak terdapat multikolinieritas.
3.5.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah model regresi mempunyai varians yang tidak sama di antara anggota model regresi tersebut. Metode
analisis grafik merupakan salah satu cara untuk melihat apakah dalam model regresi terdapat gejala heterokedastisitas, melalui analasis grafik, suatu model regresi
dianggap tidak terjadi heterokedastisitas jika titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik di atas maupun di bawah
Universitas Sumatera Utara
angka nol pada sumbu Y. Atau dengan menggunakan uji glejser dengan membandingkan nilai signifikansi terhadap 0.05. jika nilai signifikansi lebih besar dari
0.05 maka model regresi tidak mengalami gangguan heterokedastisitas dan sebaliknya.
3.5.3.3 Uji Normalitas
Tujuan dilakukannya uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi dengan bentuk
lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Deteksi
normalitas dilakukan dengan melihat grafik Normal Probability Plot. Kriteria pengambilan keputusan adalah sebagai berikut:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
maka model regresi memenuhi asumsi normalitas. 2.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas.
3.5.4 Uji Koefisien Regresi Linier Berganda