3.6.2.1.1. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi variabel dependen dan variabel independen atau keduanya mempunyai distribusi
normal atau tidak Ghozali, 2011:160. Model regresi yang baik ialah model yang memiliki distribusi normal atau mendekati normal. Distribusi normal akan
membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Pengujian normalitas menggunakan uji stattisti non parametrik Kolmogorov-Smirnov K-S.
Dikatakan berdistribusi normal apabila nilai probabilitasnya 0,05. Pengujian normalitas dalam penelitian ini digunakan dengan melihat normal probability plot
dan kolmogorov-smirnov yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari data normal, sedangkan dasar
pengambilan keputusan untuk uji normalitas data adalah:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi
memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari diagonal atau tidak mengikuti arah garis diagonal atau garis histogram tidak menunjukkan pola distribusi normal, maka model
regresi tidak memenuhi asumsi normalitas.
3.6.2.1.2. Uji Linearitas
Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Dengan uji linearitas akan diperoleh informasi apakah model
empiris dapat dilihat pada output SPSS dalam kolom Linearity pada ANOVA Table pada taraf signifikansi 0,05. Variabel dikatakan mempunyai hubungan linear apabila
signifikansi kurang dari 0,05.
3.6.2.1.3. Uji Multikolonieritas
Uji multikolinieritas terjadi apabila ditemukan adanya korelasi antar variabel independen Ghozali, 2011:105. Model regresi yang baik seharusnya tidak terjadi
korelasi di antara variabel independen. Untuk mendeteksi ada tidaknya multikolinieritas dalam model regresi adalah sebagai berikut:
a Nilai R
2
yang menghasilkan suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan
mempengaruhi variabel dependen. b Menganalisis matrik korelasi antar variabel-variabel independen. Jika ada korelasi
yang cukup tinggi maka model regresi tersebut multikolinieritas. c Multikolinieritas dapat juga dilihat dari nilai tolerance dan VIF Variance inflation
factor. Jika nilai VIF lebih besar dari 1 dan kurang dari 10 sedangkan toleransinya kurang dari 1 maka model regresi tidak mengandung multikolinieritas.
3.6.2.1.4. Heteroskedastisitas
Kategori