28
yaitu analisis grafik dan analisis statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov
K- S”, dibuat dengan membuat hipotesis :
Ho : Data residual berdistribusi normal. Ha : Data residual tidak berdistribusi normal.
Bila signifikansi 0,05 berarti distribusi data normal maka Ha ditolak dan Ho diterima, sebaliknya bila signifikan 0,05 berarti distribusi data
tidak normal maka Ho ditolak dan Ha diterima. Normalitas juga dapat dideteksi dengan melihat penyebaran data titik
pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya”. Dasar pengambilan keputusannya adalah :
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.6.2.2 Uji Multikolonearitas
Uji Multikoloneritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen.
Universitas Sumatera Utara
29
Model regresi yang baik seharusnya tidak ada korelasi antar variabel independen. Ada tidaknya multikoloneritas dapat dideteksi dengan
melihat nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis matrik korelasi variabel-variabel independen. Nilai cut off
yang umum dipakai untuk menunjukkan adanya multikoloneritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10 dan untuk matrik
korelasi adanya indikasi multikoloneritas dapat dilihat jika antar variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90.
3.6.2.3 Uji Heteroskedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke
pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedasitas. Ada tidaknya
heteroskedastistas dapat dilakukan dengan melihat grafik scaterplot antar nilai prediksi variabel independen dengan nilai residualnya. Dasar analisis
yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain : 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur maka mengindikasikan telah terjadi heteroskedastisitas,
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Universitas Sumatera Utara
30
3.6.2.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu meodel regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal
ini sering ditemukan pada data time series. Cara yang dapat digunakan untuk medeteksi masalah autokorelasi adalah dengan menggunakan nilai
uji Durbin Watson dengan ketentuan dari Prof. Singgih sebagai berikut : 1.
Angka D-W dibawah -2 berarti ada autokorelasi positif, 2.
Angka D-W diantara -2 sampai +2, berarti tidak ada autokorelasi, 3.
Angka D-W diatas +2 berarti ada autokorelasi negatif.
3.6.3 Pengujian Hipotesis
