4. Uji Asumsi Klasik a. Uji Normalitas Data
Uji normalitas adalah satu bagian dari uji statistic yang berfungsi untuk menentukan apakah suatu populasi berdistribusi normal atau tidak.Uji
kenormalan distribusi dilakukan untuk mengetahui apakah sampel yang dianalisis telah mewakili populasi atau belum. Dengan diketahuinya
kenormalan distribusi akan dapat dilakukan analisis lebih lanjut. Pada penelitian dimana data yang tersedia memiliki distribusi normal, akan
mampu menghasilkan persamaan regresi yang dapat menjelaskan variabel terikat secara lebih tepat.
Model regresi yang baik harus mempunyai sebaran data yang normal atau pada level minimum mendekati normal.Untuk tujuan ini, grafik
histogram atau uji statistic Kolmogrov-Smirnov K-S dapat digunakan. Jika nilai K-S signifikan dan nilainya 0,05 maka sebaran data terdistribusi
secara normal.
b. Uji Multikolinearitas
Multikolinearitas berarti adanya hubungan linier yang sempurna atau mendekati sempurna di antara beberapa atau semua variabel yang
menjelaskan model regresi.Uji multikolinearitas
diperlukan untuk mengetahui apakah terdapat hubungan antar variabel independent dalam
suatu model regresi. Dalam analisis regresi seharusnya masing-masing variabel independent yang dianalisis harus bebas dari multikolinearitas
artinya masing-masing variable tersebut tidak mempunyai hubungan fungsional satu dengan yang lain.
Keberadaan multikolinearitas dalam analisis regresi dapat dideteksi dengan menggunakan pendekatan L.R Klein yaitu membandingkan nilai
koefisien determinasi individual r
2
dengan nilai determinasi secara serentak R
2
dengan syarat:
50
- Jika r
2
R
2
maka terjadi multikolinearitas -
Jika r
2
R
2
maka tidak terjadi multikolinearitas Selain itu, keberadaan multikolinearitas dapat dideteksi dengan
melihat nilai tolerance dan nilai Variance Inflation Factor VIF. Jika suatu model mempunyai nilai tolerance 0,10 atau nilai VIF lebih besar
dari 10 maka mengidentifikasikan bahwa model tersebut terdapat multikolinearitas.
c. Uji
Heteroskedastisitas
Regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Uji heteroskedastisitas
dilakukan untuk
melihat apakah
terdapat perbedaanvariance residual dari suatu pengamatan ke pengamatan yang
lain, artinya varian variabel model tidak sama. Konsekuensi adanya heteroskedastisitas dalam model regresi adalah penaksir yang diperoleh
tidak efisien, baik dalam sampel kecil maupun sampel besar, walaupun penaksir yang diperoleh menggambarkan populasinya tidak bias dan
bertambahnya sampel yang digunakan akan mendekati nilai sebenarnya. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model
salah satunya adalah dengan menggunakan teknik uji koefisien korelasi Sperman’s rho, yaitu mengkorelasikan variabel independen dengan
residualnya. Pengujian menggunakan tingkat signifikansi 0,05 dengan 2 uji sisi. Jika korelasi antar variabel independent dengan residual memberikan
tingkat signifikansi 0,05 maka tidak terjadi masalah heteroskedastisitas.
51
Heteroskedastisitas dapat pula dilihat dari pola gambar scatter plot model tersebut. Analisis pada gambar scatter plot yang menyatakan model
regresi linier berganda tidak terdapat heteroskedastisitas adalah jika titik-
50
Duwi Priyatno, 5 Jaam Belajar ….., h. 152-156
51
Ibid., h. 160
titik data menyebar di atas dan di bawah atau sekitar angka nol. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja, penyebaran titik-
titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali serta penyebaran titik-titik data sebaiknya
tidak berpola.
d. Uji