Ha: Data X tidak berdistribusi normal Pengambilan keputusan:
Jika Sig.p 0,05 maka H
O
didukung Jika Sig.p 0,05 maka H
O
ditolak Joko Sulistyo, 2010
b. Uji linearitas
Uji linearitas digunakan untuk mengetahui apakah dalam model regresi terhadap hubungan yang linier atau tidak antara variabel bebas
dengan variabel terikat. Uji ini menggunakan harga koefisien signifikansi. Jika signifikansi 0,05 maka hubungan antar variabel bisa dikatakan
linear Sarjono dan Julianita, 2011: 80. Analisis regresi linear dapat dilakukan apabila asumsi linieritas terpenuhi. Untuk mengetahui hal
tersebut digunakan uji F dengan rumus:
=
Keterangan: : Harga bilangan F untuk garis regresi
: Rerata kuadrat garis regresi : Rerata kuadrat residu
Dari hasil perhitungan nilai F hitung kemudian nilai ini dibandingkan dengan F tabel. Jika F hitung lebih besar dari F tabel, maka
hipotesis nol yang menyatakan bahwa spesifikasi model dalam bentuk fungsi linear ditolak.
c. Uji Asumsi Klasik
Sebelum melakukan analisis regresi, perlu dilakukan pengujian asumsi klasik terlebih dahulu, agar data sampel yang diolah benar-benar
dapat mewakili populasi secara keseluruhan. Uji asumsi klasik dalam penelitian ini mencakup uji multikolineritas dan uji heterokedastisitas. Uji
asumsi tersebut secara lebih jelas diuraikan sebagai berikut.
1. Uji multikolinearitas
Uji multikolinearitas berguna untuk mengetahui apakah pada model regresi yang diajukan telah ditemukan korelasi kuat antarvariabel
independen Husein Umar, 2008: 82. Jika terjadi korelasi kuat, terdapat masalah multikolinieritas yang harus diatasi.
Kriteria pengambilan keputusan jika nilai koefisien korelasi antar masing-masing variabel independen kurang dari 0,70 berarti tidak
terjadi multikolinearitas. Model regresi yang baik adalah model regresi yang tidak terjadi multikolinearitas yaitu nilai VIF Varian Inflation
Factors 10. VIF dapat dihitung dengan rumus: =
Tolerance Value dan VIF menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya atau dalam pengertian sederhana setiap variabel independen menjadi
variabel dependen terikat. Tolerance Value mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance Value. Nilai yang umum dipakai