3.5.2 Pengujiian Asumsi Klasik
Model regresi linier dapat disebut sebagai model yang baik jika memenuhi asumsi klasik. Oleh karena itu, uji asumsi klasik sangat
diperlukan sebelum melakukan analisis regresi. Pada penelitian ini juga akan dilakukan pengujian penyimpangan asumsi klasik terhadap model
regresi yang telah diolah, yang meliputi :
3.5.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah daam model regresi, variabel pengganggu atau residual mempunyai
distribusi normal Ghozali, 2006. Cara untuk melihat normalitas residual adalah melalui analisis
grafik Histogram dan Normal P-Plot dan analisis statistic : 1.
Analisis grafik, yaitu dengan melihat grafik histogram dan grafik normal p-plot yang membandingkan distribusi
kumulatif dari distribusi normal. Dasar pengambilan keputusan :
• Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, atau grafik histogramnya
menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari garis diagonal atau garis miring dan tidak mengikuti arah garis diagonal atau
grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi
normalitas. 2.
Analisis statistik, yaitu dengan melihat uji statistic Non- Parametrik Kolmogorov-Smirnov K-S. Apabila hasil atau
nilai Non-Parametrik Kolmogorov-Smirnov K-S dan nilai Asyimp. Sig 2-tailed atau probabilitasnya di atas
0.05 tingkat probabilitas, maka data telah memenuhi asumsi normalitas.
3.5.2.2 Uji Multikolinieritas
Uji multikolinieritas ini untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen.
Model korelasi yang baik seharusnya tidak terjad i korelasi diantara variabel independen. Jika dalam model terdapat
multikolinieritas maka model tersebut memiliki kesalahan standar yang besar sehingga koefisien tidak dapat ditaksir
dengan ketepatan tinggi. Masalah multikolinieritas juga akan menyebabkan kesulitan dalam melihat pengaruh antara variabel
independen dengan variabel dependen. Ghozali, 2006. Untuk mendeteksi ada tidaknya multikolinieritas di dalam model regresi
adalah sebagai berikut:
1. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris yang sangat tinggi, tetapi secara individual variabel-
variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
2. Menganalisis matriks korelasi antar variabel-variabel independen. Jika antar variabel independen ada korelasi
yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya
korelasi yang tinggi antarvariabel tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena
adanya efek kombinasi dua atau lebih variabel independen. 3. Uji multikolinieritas ini dapat dilihat dari nilai 1 tolerance
dan lawannya 2 variance inflation factor VIF. Tolerance mengukur variabel bebas yang terilih yang tidak dapat
dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi VIF=1tolerance
dan menunjukkan adanya multikolinieritas yang tinggi. Nilai cut off yang umum dipakai untuk menunjukkan adanya
multikolinieritas adalah nilai tolerance ≤0.10 atau nilai VIF
≥10. Jadi harus dapat menentukan tingkat kolinieritas yang masih dapat ditolerir, dan meskipun nilai multikolinieritas
dapat dideteksi dengan nilai Tolerance dan VIF, namun tidak dapat menjelaskan variabel-variabel mana saja yang
berkorelasi.
3.5.2.3 Uji Autokorelasi