3.5.2.1. Uji Normalitas
Uji normalitas dilakukan untuk melihat bahwa suatu data berdistribusi secara normal atau tidak. Uji normalitas bertujuan untuk menguji apakah dalam
model regresi, variabel pengganggu atau residual memiliki distribusi normal. Dalam uji normalitas ini ada 2 cara untuk mendeteksi apakah residual
berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik Ghozali, 2011. Alat uji yang digunakan adalah dengan analisis grafik
histogram dan grafik normal probability plot dan uji statistik dengan Kolmogorov-Smirnov Z 1-Sample K-S.
Dasar pengambilan keputusan dengan analisis grafik normal probability plot adalah Ghozali, 2011:
1. Jika titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2. Jika titik menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Dasar pengambilan keputusan uji statistik dengan Kolmogorov-Smirnov Z 1-Sample K-S adalah Ghozali, 2011:
1. Jika nilai Asymp. Sig. 2-tailed kurang dari 0,05, maka H0 ditolak. Hal ini berarti data residual terdistribusi tidak normal.
2. Jika nilai Asymp. Sig. 2-tailed lebih dari 0,05, maka H0 diterima. Hal ini berarti data residual terdistribusi normal.
3.5.2.2. Uji Multikolineritas
Uji multikolineritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling korelasi, maka variabel-variabel ini tidak orthogonal. Variabel
orthogonal adalah variabel independen yang nilai korelasi antar sesama variabel sama dengan nol Ghozali, 2011. Untuk mendeteksi ada atau tidaknya
multikolineritas di dalam model, peneliti akan melihat Tolerence dan Variance Inflation Factors VIF dengan alat bantu program SPSS.
Tolerence mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Jadi nilai Tolerence yang rendah
sama dengan nilai VIF yang tinggi karena VIF = 1Tolerence. Nilai cut-off yang umum dipakai untuk menunjukkan adanya multikolineritas adalah nilai Tolerence
≥ 0,10 atau sama dengan VIF ≤ 10. Bila ternyata dalam model terdapat multikolineritas, peneliti akan mengatasi hal tersebut dengan transformasi
variabel. Transformasi variabel merupakan salah satu cara mengurangi hubungan linier diantara variabel independen. Transformasi dapat dilakukan dalam bentuk
logaritma natural dan bentuk first difference atau delta Ghozali, 2011.
3.5.2.3. Uji Autokorelasi