1. Pengujian Asumsi Klasik a. Uji Normalitas
Uji ini bertujuan untuk menguji data yang berdistribusi normal akan digunakan alat uji normalitas. Peneliti menggunakan uji Kolmogorov
Smirnov untuk menguji normalitas data. Apabila probabilitas 0,05, maka distribusi data normal dan dapat digunakan regresi berganda.
Uji normalitas data juga dapat dilihat dengan memperhatikan penyebaran data titik pada normal P Plot of Regression Standardized
Residual variabel independen, dimana: 1.
jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas,
2. jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Model regresi yang baik adalah yang mempunyai distribusi data normal atau mendekati normal.
b. Uji Heteroskedastisitas
Uji heteroskedastisidas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual. Jika
variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisidas dan jika berbeda disebut heteroskedastisidas.
Model regresi yang baik adalah yang homoskedastisidas atau tidak
Universitas Sumatera Utara
terjadi heteroskedastisidas. Untuk mengetahui ada atau tidaknya heteroskedastisidas dalam model regresi dapat dilihat pada grafik
Scatterplot. Jika titik-titik dalam grafik menyebar tidak membentuk pola tertentu bergelombang, melebar kemudian menyempit, serta
tersebar baik di atas maupun dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisidas. Model regresi yang baik seharusnya
tidak terjadi heteroskedastisidas.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Autokorelasi
muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini sering ditemukan pada time series,
sedangkan pada data cross section silang waktu, masalah autokorelasi jarang terjadi. Model regresi yang lebih baik adalah regresi yang bebas
dari autokorelasi. Keputusan ada tidaknya autokorelasi adalah:
1 angka D-W di bawah -2 berarti ada autokorelasi positif,
2 angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi,
3 angka D-W di atas +2 berarti autokorelasi negatif.
Universitas Sumatera Utara
d. Uji Multikoloniearitas
Uji multikoloniearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi diantara variabel independen. Pada
model yang baik seharusnya tidak terjadi korelasi antar variabel independen. Deteksi adanya multikoloniearitas dapat dilihat pada hasil
Collinearity Statistics pada tabel Coefficients. Pada Collinearity Statistics tersebut terdapat nilai Variance Inflation Factor VIF dan
Tolerance. Jika nilai VIF ada di sekitar angka 1 dan nilai Tolerance mendekati angka 1, maka tidak terjadi multikoloniearitas.
2. Pengujian Hipotesis