1. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas data dilakukan dengan maksud untuk menguji apakah dalam model regresi, variabel dependen dan variabel
independen mempunyai distribusi normal atau tidak Ghozali, 2009. Salah satu uji normalitas untuk mengetahui apakah data
menyebar normal atau tidak adalah dengan mengunakan uji Kolmogorov-Smirnov dengan membuat hipotesis. Hipotesis yang
digunakan adalah:
H
: Data residual tidak berdistribusi normal
H
: Data residual berdistribusi normal Data penelitian dikatakan menyebar normal atau memenuhi uji
normalitas apabila nilai Asymp.Sig 2-tailed variabel residual berada di atas 0,05 atau 5, sebaliknya jika nilai Asymp.Sig 2-
tailed variabel residual berada dibawah 0,05 atau 5 maka data tersebut tidak berdistribusi normal atau data tidak memenuhi uji
normalitas Ghozali, 2011.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk apakah dalam model regresi ditemukan adanya korelasi antara variabel independen
Ghozali, 2011. Jika ada korelasi yang tinggi antara variabel independen tersebut, maka hubungan antara variabel independen
atau variabel dependen menjadi terganggu. Model regresi yang
baik seharusnya tidak terjadi multikolinieritas. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah
sebagai berikut Ghozali, 2011. 1 Nilai
R
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel
independen banyak yang tidak signifikan mempengaruhi variabel dependen.
2 Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi
umumnya di atas 0,09, maka hal ini merupakan indikasi adanya multikolinieritas.
3 Mengamati nilai tolerance dan variance inflation faktor VIF. Tolerance mengukur variabilitas variabel independen yang
terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai cut-off yang umum dipakai untuk menunjukkan adanya
multikolinieritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10. Bila hasil regresi memiliki nilai VIF
tidak lebih dari 10, maka dapat disimpulkan tidak ada multikolinieritas dalam model regresi.
c. Uji Autokorelasi
Autokorelasi sering dikenal dengan nama korelasi serial dan sering ditemukan pada data serial waktu time series. Uji
autokorelasi bertujuan menguji apakah dalam model regresi linier
ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya Ghozali,
2006. Terdapat berbagai metode yang digunakan untuk menguji ada tidaknya gejala autokorelasi, salah satunya adalah
menggunakan teknik regresi dengan melihat nilai Durbin-Wattson DW test. Hipotesis yang akan diuji dalam penelitian ini adalah:
H
Tidak ada autokorelasi, r = 0 dan
H
Ada autokorelasi, r 0. Tabel 1. Pengambilan Keputusan Uji Autokorelasi
Jika Hipotesis Nol
Keputusan 0 d dl
Tidak ada autokorelasi positif Tolak
dl d du Tidak ada autokorelasi positif
No desicion 4 dl d 4
Tidak ada korelasi negatif Tolak
4 du d 4 - dl Tidak ada korelasi negatif
No desicion du d 4 - du
Tidak ada autokorelasi positif atau negatif
Tidak Ditolak Sumber : Ghozali, 2011
d. Uji Heteroskedastisitas