42 distribusi yang mendekati distribusi normal. Namun demikian hanya dengan
melihat histogram hal ini bisa menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat data normal probability
plot yang membandigkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk
satu garis harus diagonal. Jika distribusi data normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari
residualnya. Dasar pengambilan keputusan : a.
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas. b.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas, Imam Ghozali 2005. Selain itu, dapat dilakukan dengan uji statistik non-parametrik
Kolmogorov-Smirnov. Kolmogorov-Smirnov adalah uji statistik yang dilakukan untuk mengetahui distribusi suatu data untuk data yang minimal bertipe ordinal.
3.5.3.2 Uji Multikolinieritas
Multikolonieritas berarti bahwaa antara variabel bebas yang satu dengan variabel bebas yang lain dalam model regresi saling berkorelasi linear. Uji ini
43 bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi, maka
variabel – variabel ini tidak ortogonal. Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol. Model regresi
yang baik seharusnya tidak terjadi korelasi diantar variabel independent. Jika variabel bebas saling berkorelasi, maka variabel ini tidak orthogonal. Variabel
ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Apabila terjadi multikolinieritas maka variabel
bebas yang berkolinier dapat dihilangkan. Untuk mengetahui ada tidaknya multikolinier menurut perhitungan yang dilakukan program SPSS dengan
berpedoman bahwa multikolinieritas dapat dilihat dari nilai tolerancenya dan lawannya variance inflation factor VIF. Nilai tolerance yang rendah sama
dengan nilai VIF tinggi dan menunjukkan kolinieritas yang tinggi. Nilai cutoff bagi angka tolerance adalah sebesar 0,10 atau sama dengan nilai VIF diatas 10,
artinya bahwa semua variabel yang akan dimasukkan dalam perhitungan model regresi harus mempunyai tolerance di atas 0,10. Jika lebih rendah dari 0,10 maka
terjadi multikolinieritas. Sedangkan hasil perhitungan nilai VIF, jika memiliki nilai VIF kurang dari 10, maka tidak mempunyai persoalan multikolinieritas,
Imam Ghozali 2005
3.5.3.3 Uji Heterokedastisitas
Uji heteroskedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain.
44 Model regresi yang baik adalah yang terjadi homokedastisitas atau tidak terjadi
heteroskedastisitas. Untuk mendeteksi adanya heterokedastisitas dilakukan dengan 1. Melihat Grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED
dengan residualnya SRESID, dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah
distudentized. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan sebagai berikut Imam Ghozali, 2005:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang
