c. Koefisien Determinasi R-square Koefisien determinasi dilakukan untuk mengetahui besarnya pengaruh
dari seluruh variable bebas yang ada dan besarnya pengaruh yang disebabkan oleh variable lain yang tidak dijelaskan tingkat ketepatan regresi yang dinyatakan
dalam koefisien determinasi majemuk yang besarnya antara nol dan satu 0 ≤ R
2
≤ 1 . Koefisien determinasi = 1 berarti bahwa variabel bebas berpengaruh terhadap variabel terikat dengan sempurna. Namun jika koefisien determinasi
majemuk = 0 berarti variabel tidak berpengaruh terhadap variabel terikat.
3.9. Uji Penyimpangan Asumsi Klasik
Uji penyimpangan asumsi klasik dimaksudkan untuk mendeteksi ada tidaknya autokorelasi, multikolinearitas, dan heterokedastisitas dalam estimasi
karena apabila terjadi penyimpangan terhadap asumsi klasik tersebut maka uji t dan uji F yang dilakukan sebelumnya tidak valid dan secara statistik mengacaukan
kesimpulan yang diperoleh.
3.9.1. Multikolinearitas
Multikolinearitas adalah alat untuk mengetahui suatu kondisi apakah terdapat korelasi variabel independen diantara satu sama lainnya. Untuk
mengetahui ada tidaknya multikolinearitas dapat dilihat dari R
2
, F-hitung, t- hitung, dan standar error.
Adanya multikolinearitas ditandai dengan : 1.
Standart error tidak terhingga. 2.
Tidak ada satupun t-statistik yang signifikan pada α = 1, α = 5, α =
10.
Universitas Sumatera Utara
3. Terjadi perubahan tanda atau tidak sesuai dengan teori.
4. R
2
sangat tinggi. Uji multikolinearitas diperoleh dengan beberapa langkah yaitu :
a. Melakukan regresi model Y = fX
1
,........,X
n
sehingga diperoleh nilai R- square.
b. Melakukan regresi X
1
terhadap seluruh X lainnya, maka diperoleh nilai R
i
square regresi ini disebut auxiliary regression ; dan c.
Membandingkan nilai R
i
square dengan R-square. Hipotesa yang dapat dipakai adalah Ho diterima apabila R
i
square R-square model pertama berarti tidak terjadi multikolinearitas dan Ha diterima apabila R
i
square R-square model pertama berarti terjadi masalah multikolinearitas.
3.9.2. Normalitas
Uji normalitas digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pengujian dilakukan dengan
pemeriksaan terhadap histogram, jika batang histogram mempunyai kemiripan bentuk dengan kurva normal berbentuk seperti lonceng, maka kurva tersebut
dapat dikatakan normal atau mendekati normal. Penelitian ini melakukan uji normalitas dengan menggunakan Uji Jarque-
Berra Test J-B Test. Bila probabilitas hasil uji lebih besar dari 0,05 5 maka
terdistribusi normal dan sebaliknya terdistribusi tidak normal. 3.9.3. Heterokedastisitas
Menurut Erlina 2011 pengujian gejala heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan vaiabel dari residual
Universitas Sumatera Utara
satu pengamatan ke pengamatan lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda
disebut heterokedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas.
Gejala heterokedastisitas ditunjukkan melalui koefisien regresi dari masing-masing variabel independen terhadap nilai absolut residunya e, jika
nilai probabilitasnya lebih besar dari nilai alphanya 0,05, maka variabel tersebut bebas dari unsur heteroskedastisitas. Untuk mengetahui gejala
heterokedastisitas pada estimasi digunakan uji White. Uji white memulai pengujiannya dengan membentuk model:
Y
i
= β
1
+ β
2
+ β
3
+µ
i
Kemudian persamaan di atas dimodifikasi dengan membentuk regresi bantuan auxiliary regression sehingga model menjadi µ
1 2
= α
+ α
1
x
1
+ α
2
x
2
+ α
3
x
1 2
+ α
4
x
2 2
+ α
5
x
1
x
2 +
µ
i
Pada estimasi ini disimpulkan bahwa tidak terdapat masalah heterokedastisitas dalam hasil estimasi, jika nilai R
2
hasil regresi dikalikan dengan jumlah data atau [n.R
2
= X
2
Hitung] lebih kecil dibandingkan X
2
tabel. Dan akan terjadi heterokedastisitas bila sebaliknya.
3.9.4. Autokorelasi