3.7.2 Pengujian Asumsi Klasik 3.7.2.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi
normal Erlina, 2011 : 100. Jika data normal, gunakan statistik parametrik dan jika data tidak normal gunakan statistik
nonparametrik atau lakukan treatment agar data normal. Adapun cara untuk mendeteksi data normal atau tidak adalah dengan melakukan
analisis grafik dan analisis statistik. Analisis grafik ini dapat dilakukan dengan melihat grafik histogram dan probability plot.
Sedangkan analisis statistik dapat dilakukan dengan uji Kolmogorov- Smirnov. Data memiliki distribusi normal jika tingkat
signifikansinya 0,05.
3.7.2.2 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu
pengamatan ke pengamatan yang lain Erlina, 2011 : 105. Salah satu cara untuk mendeteksi masalah heterokedastisitas adalah dengan
melihat grafik nilai-nilai residu, yaitu dengan melihat gambar scarter diagram nilai residu terhadap waktu atau terhadap satu dari lebih
variabel bebas. Suatu model mengandung heterokedastisitas apabila nilai-nilai residunya membentuk pola sebaran yang meningkat, yaitu
Universitas Sumatera Utara
secara terus-menerus bergerak menjauhi garis normal Erlina, 2011 : 105.
3.7.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lain Erlina, 2011 : 106. Salah satu cara yang dapat digunakan untuk mendeteksi terjadi atau tidaknya
autokorelasi adalah uji Durbin Watson. Kriteria uji Durbin Watson DW adalah:
a. Jika angka D-W berada dibawah -2 berarti ada autokorelasi positif.
b. Jika angka D-W berada diantara -2 sampai +2 berarti tidak ada autokorelasi.
c. Jika angka D-W berada diatas +2 berarti ada autokorelasi negatif. Selain itu, untuk melihat apakah dalam model regresi ada
autokorelasi atau tidak dapat dilihat dari nilai probabilitasnya. Jika nilai probabilitasnya atau sama dengan 0,05 maka data tidak
terkena autokorelasi. Sebaliknya jika nilai probabilitasnya atau sama dengan 0,05 maka data terkena autokorelasi.
Universitas Sumatera Utara
3.7.2.4 Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen Erlina, 2011 : 102.
Multikolinearitas dapat dilihat melalui nilai VIF. VIF adalah suatu estimasi berapa besar multikolinearitas meningkatkan varian
pada suatu koefisien estimasi sebuah variabel independenpenjelas Erlina, 2011 : 103. Dengan demikian apabila nilai dari VIF
semakin tinggi maka, semakin berat dampak multikolinearitas. Jika nilai VIF 10, maka terjadi multikolinearitas yang cukup berat di
antara variabel independen.
3.7.3 Pengujian Hipotesis
