43
apabila sudah lolos dari serangkaian uji asumsi ekonometrika yang melandasinya.Suatu model regresi yang digunakan untuk menguji hipotesa harus
memenuhi asumsi klasik. Uji asumsi klasik dilakukan juga untuk mendapatkan
model regresi yang tidak bias dan efisien.
Estimasi dari parameter-parameter dengan metode ordinary least square OLS akan memiliki sifat ketidakbiasan unbiasedness, varians yang minimum
minimum varians, dan sebagainya, yang disebut best linear unbiased estimator BLUE Gujarati, 2003. Dalam penggunaan analisis path yaitu perluasan dari
analisis regresi linear berganda, terdapat empat uji asumsi klasik, yakni uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas
Supranto, 2005.
3.7.1.1 Uji Normalitas Tujuan dari dilakukannya uji normalitas ialah untuk menguji apakah dalam
model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2005: 110. Metode yang digunakan ialah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Peneliti menggunakan uji
Shapiro-Wilk untuk menguji normalitas data. Bila signifikan 0,05 dengan α =
5, berarti distribusi data normal, jika terjadi sebaliknya, maka distribusi data tidak normal.
44
3.7.1.2 Uji Multikolinearitas Uji multikolineritas bertujuan untuk mengetahui ada tidaknya variabel
independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel
independen tersebut. Menurut Nugroho 2005: 58, deteksi multikolineritas dapat dilihat, yakni jika nilai Variance Inflation Factor VIF tidak lebih dari 10 dan
jika nilai Tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari multikolineritas. Semakin tinggi VIF maka semakin rendah Tolerance. 0,1,
maka model dapat dikatakan terbebas dari multikolineritas. Semakin tinggi VIF
maka semakin rendah Tolerance. 3.7.1.3. Uji Autokorelasi
Pengujian ini bertujuan untuk menguji apakah didalam suatu model regresi
linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 Ghozali, 2005. Pendeteksian ada atau
tidaknya autokorelasi menggunakan uji Durbin-Watson. Metode pengujian yang sering digunakan adalah dengan uji Durbin-Watson uji DW dengan ketentuan
sebagai berikut:
1. Jika d lebih kecil dari dL atau lebih besar dari 4-dL maka hopotesis nol ditolak, yang berarti terdapat autokorelasi.
2. Jika d terletak antara dU dan 4-dU, maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
3.Jika d terletak antara dL dan dU atau diantara 4-dU dan 4-dL, maka tidak menghasilkan kesimpulan yang pasti.
45
Nilai dU dan dL dapat diperoleh dari tabel statistik Durbin Watson yang bergantung banyaknya observasi dan banyaknya variabel yang menjelaskan.
3.7.1.4 Uji Heteroskedastisitas