68 3.
Pendekatan Kolmogrov-Smirnov Pendekatan ini digunakan untuk memastikan apakah data di sepanjang
garis diagonal berdistribusi normal maka dilakukan uji kolmogrov- smirnov 1 sampel KS dengan melihat data residualnya apakah
berdistribusi normal atau tidak. Dengan menggunakan tingkat signifikan α 10. Jika nilai Asymp.Sig 2 tailed nilai signifikan α 10, maka
variabel residual berdistribusi normal. Sebaliknya jika nilai Asymp.Sig 2 ta
iled nilai signifikansi α 10 , maka variabel residual tidak berdistribusi normal.
2. Uji Heterokedastisitas
Menurut Situmorang dan Lufti 2014:121-122, analisis regresi bertujuan untuk melihat seberapa besar peranan variabel bebas terhadap varibael terikat.
Dalam setiap persamaan regresi pasti memunculkan residu. Residu yaitu variabel- variabel lain yang terlibat akan tetapi tidak termuat di dalam model sehingga
residu adalah variabel tidak diketahui sehingga diasumsikan bersifat acak. Karena diasumsikan acak, maka besarnya residu tidak terkait dengan besarnya nilai
prediksi. Jika data residu tidak bersifat acak maka data bisa dikatakan terkena heteroskedasitisitas. Uji heteroskedastisitas juga pada prinsipnya ingin menguji
apakah sebuah grup mempunyai varians yang sama di antara anggota grup tersebut. Jika varians sama, dan ini yang seharusnya terjadi maka dikatakan ada
homoskedasttisitas. Sedangkan jika varians tidak sama dikatakan terjadi heteroskedastisitas heteroskedasitisitas.
Universitas Sumatera Utara
69 Alat untuk menguji heteroskedastisitas terbagi dua, yaitu alat analisis
grafik dan analisis residual yang berupa statistik. Uji ini dapat dilakukan juga dengan melakukan uji Glejser, yaitu dengan melakukan regresi nilai absolut
residual terhadap variabel independen. Apabila signifikansi dari taraf nyata 10 , maka dianggap tidak terjadi masalah heteroskedastisitas, dan begitu
sebaliknya.
3. Uji Autokorelasi
Menurut Situmorang dan Lufti 2014:134 istilah autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang
diurutkan menurut waktu seperti dalam data deret waktu atau ruang seperti dalam cross-section. Dalam konteks regresi, model regresi linear klasik
mengasumsikan bahwa autokorelasi seperti itu tidak terdapat dalam disturbansi atau gangguan Ui. Jika error antara beberapa observasi mengalami korelasi maka
kondisi ini disebut autokorelasi. Artinya nilai variabel regressan dari satu periode dipengaruhi oleh periode lainnya, atau nilai variabel regressan dipengaruhi oleh
nilai variabel regressan lainnya. Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan penggangggu pada periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.
Masalah ini timbul karena residual kesalahan penggangu tidak bebas dari satu observasi lainnya. Hal ini biasanya terjadi pada data time series. Karena gangguan
pada satu data cenderung mengganggunya.
Universitas Sumatera Utara
70 Menurut Situmorang dan Lufti 2014:136-140, metode deteksi terhadapt
autokorelasi dapat dilakukan dengan empat cara, yaitu Metode Grafik, The Runs Test, Percobaan d dari Durbin-Watson, dan The Breusch-Godfrey BG Test.
Dalam penelitian ini pengujian autokorelasi menggunakan metode the runs test. Keputusan dapat dilihat melalui nilai Asymp.Sig. 2-tailed. Apabila di atas 10
berarti dapat disimpulkan bahwa tidak terjadi autokorelasi.
4. Uji Multikolinieritas