62
Menurut Nugroho 2005, “Data dikatakan normal jika bentuk kurva
histogram memiliki kemiringan yang cenderung imbang, baik pada sisi kiri maupun sisi kanan, dan kurva berbentuk menyerupai lonceng yang hampir
sempurna.” Selain itu normalitas dengan analisis grafik juga dapat dilihat dari grafik Normality Probability Plot.
Menurut Nugroho 2005, tentang Normality Probability Plot, “Pada normalisasi data dengan menggunakan grafik Normality Probability Plot,
data pada suatu variabel dinyatakan terdistribusi normal atau mendekati normal, jika gambar terdistribusi dengan titik – titik data yang menyebar di sekitar garis
diagonal, dan penyebaran titik – titik data searah mengikuti garis diagonal.”
2.2. Uji Multikolinieritas
Pengujian berikutnya adalah uji multikolinearitas. Menurut Ghozali 2005 mengenai uji multikolinearitas adalah sebagai berikut.
“Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Jika terjadi korelasi, berarti terjadi masalah
multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinieritas dalam
model regresi dilihat dari nilai Tolerence dan lawannya Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel indepenen manakah yang
dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih dan tidak dijelaskan oleh variabel lainnya. Batasan yang
umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerence 0,10 atau sama dengan VIF 10”
2.3. Uji Autokorelasi
Ghozali 2005 menyatakan bahwa:
UNIVERSITAS SUMATERA UTARA
63
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun satu dengan lainnya. Hal ini sering ditemukan pada data time
series. Pada data crossection, masalah autokorelasi relatif tidak terjadi.
Menurut Nugroho 2005, “Cara mudah mendeteksi autokorelasi dapat dilakukan dengan uji Durbin Watson”. “Model regresi linear terbebas dari autokorelasi jika nilai
Durbin Watson hitung terletak di daerah No Autocorelation”. Pengujian ini dapat digambarkan sebagai berikut :
Negatif No
Positif Autocorelation
Autocorelation Autocorelation
0 dl du 2 4-du 4-dl 4
Pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali 2005 adalah sebagai berikut:
1. bila nilai Durbin-Watson DW terletak antara batas atas atau upper Bound du dan 4-du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi, 2. bila nilai Durbin-Watson DW lebih rendah daripada batas bawah atau Lower
Bound dl maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif,
3. bila nilai Durbin-Watson DW lebih besar daripada 4-dl, maka koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif,
4. bila nilai Durbin-Watson DW terletak antara batas atas du dan batas bawah dl atau DW terletak antara batas antara 4-du dan 4-dl,maka hasilnya tidak
dapat disimpulkan.
2.4. Uji Heterokedastisitas