terhadap variabel dependen terikat. Kriteria pengujiannya adalah sebagai berikut:
Bila t hitung t tabel, maka Ho diterima dan Ha ditolak Bila - t hitung -t tabel atau t hitung t tabel, maka Ho ditolak dan Ha diterima
Duwiconsultant, 2011, berarti bahwa secara parsial variabel bebas berpengaruh signifikan terhadap variabel terikat.
Selain itu, pengujian Statistik t Uji Parsial juga dapat dilakukan dengan membandingkan nilai signifikansi t t hitung masing-masing variabel bebas
terhadap nilai probabilitas. Apabila nilai signifikansi t t hitung lebih kecil dari nilai probabilias, maka Ho ditolak dan Ha diterima, artinya secara parsial variabel
bebas berpengaruh signifikan terhadap variabel terikat.
3.8. Uji Penyimpangan Asumsi Klasik
Dalam suatu model regresi ada beberapa permasalahan yang biasa terjadi yang secara statistik dapat mengganggu model yang telah ditentukan, bahkan
dapat menyesatkan kesimpulan yang diambil dari persamaan yang dibentuk. Untuk itu maka perlu dilakukan uji penyimpangan asumsi klasik, yang terdiri dari:
3.8.1. Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah dalam model regresi, variabel terikat dan variabel bebas atau keduanya mempunyai distribusi normal
atau tidak. Model regresi yang baik adalah model regresi yang berdistribusi normal Wijaya, 2011.
Uji normalitas data dalam penelitian dilihat dengan cara memperhatikan penyebaran data titik-titik pada Normal P-Plot of Regression Standardized
Universitas Sumatera Utara
Residual dan dengan melihat Grafik Histogram dari residualnya. Persyaratan dari uji normalitas data Wijaya, 2011 adalah:
1. Jika output Grafik Histogram menunjukkan pola berdistribusi normal, maka mengindikasikan model regresi memenuhi asumsi normalitas.
2. Jika Normal P-Plot menunjukkan penyebaran data titik-titik di sekitar garis diagonal dan mengikuti arah garis diagonal maka mengindikasikan model
regresi memenuhi asumsi normalitas. Menurut Ghozali 2001, bahwa untuk mengetahui apakah data
terdistribusi normal atau mendekati normal atau bisa dianggap normal, bisa dilakukan Uji Statistik non-parametrik Kolmogorov-Smirnov, yaitu dengan
menggunakan Tabel Kolmogorov-Smirnov Test. Pengujian normalitas data dengan menggunakan Uji Kolmogorov-Smirnov dengan dasar pengambilan
keputusan melihat Tabel Kolmogorov-Smirnov Test, yaitu jika nilai signifikansi pada Kolmogorov-Smirnov Test lebih besar dari
α = 5, maka data telah
berdistribusi normal. 3.8.2. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Multikolinieritas dapat
dilihat dari nilai Variance Inflation Factor VIF dan nilai tolerance. Jika nilai VIF 10 dan nilai tolerance 0,10 maka tidak ada korelasi antar variabel
independen yang nilainya lebih dari 95 sehingga model tersebut bebas dari multikolinieritas Wijaya 2011, dan Ghozali 2001.
Menurut Wijaya 2011, untuk mendeteksi ada atau tidaknya multikolinieritas selain dengan melihat nilai VIF, juga adalah dengan
Universitas Sumatera Utara
menganalisis korelasi antar variabel bebas. Jika antar variabel bebas ada korelasi yang cukup tinggi di atas 0,90, maka hal ini merupakan indikasi adanya
multikolinieritas. Sedang menurut Gujarati 1997, jika pada koefisien korelasi antar dua variabel yang mempengaruhi tinggi, yaitu lebih dari 0,8 maka
multikolinieritas merupakan masalah serius.
3.8.3. Uji Heteroskedastisitas
