pengujian hipotesis. Hasil pengujian asumsi klasik akan mendukung hasil pengujian hipotesis.
1. Pengujian Asumsi Klasik
Pengujian Asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya
gejala heteroskedastisitas, multikolinieritas, dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika
telah memenuhi persyaratan BLUE Best Linear Unbiasedestimator yakni tidak terdapat heteroskedastisitas, tidak terdapat
multikolinieritas, dan tidak terdapat autokorelasi. Jika terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat
menyebabkan biasnya estándar error. Jika terdapat multikolinieritas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari
variabel, sehingga tingkat signifikansi koefisien regresi menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih
tetap bias dan masih tetap konsisten hanya saja menjadi tidak efisien. Oleh karena itu uji asumsi klasik perlu dilakukan. Uji asumsi klasik
yang dilakukan peneliti meliputi uji normalitas, uji multikolinieritas,
uji autokorelasi, dan uji heteroskedastisits. a.Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi antara variabel dependen dengan variabel
Universitas Sumatera Utara
independen mempunyai distribusi normal atau tidak. Proses uji normalitas data dilakukan dengan menggunakan uji Kolmogorov
Smirnov. Distribusi data dapat dilihat dengan membandingkan Z hitung
dengan Z tabel
dengan kriteria sebagai berikut :
- Jika Z hitung
Kolmogorov Smirnov Z tabel
1,96, atau angka signifikan taraf signifikansi
α 0,05 maka distribusi data dikatakan normal
- Jika hitung
Z Kolmogorov Smirnov
tabel Z
1,96, atau angka signifikan taraf signifikansi
α 0,05 maka distribusi data dikatakan tidak normal
Uji normalitas data juga dapat dilihat dengan memperlihatkan penyebaran data titik pada normal P plot of regression standizzed
residual variabel independen, dimana : - Jika data menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal, maka model regresi memenuhi asumsi normalitas - Jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Model regresi yang baik adalah yang
mempunyai distribusi data normal atau mendekati normal. b. Uji Multikolinieritas
Universitas Sumatera Utara
Uji multikolineritas bertujuan untuk mengidentifikasikan ada tidaknya hubungan antar variabel independen dalam model regresi.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebasnya Ghozali, 2006: 91. Untuk menguji ada
tidaknya multikolineritas, dapat dilakukan dengan cara : 1.
nilai R
2
pada estimasi model regresi, 2.
menganalisis matrik korelasi variabel-variabel independen, 3.
menggunakan variance inflation factor VIF dan nilai tolerance. Multiolinieritas terjadi jika VIF lebih besar dari 10 dan
nilai tolerance lebih kecil dari 0,10. Pengujian multikolineritas data dalam penelitian ini
menggunakan variance inflation factor VIF dan nilai tolerance. Model regresi linear berganda harus terbebas dari gejala
multikolineritas agar dapat digunakan dalam penelitian. c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
periode saat ini dengan kesalahan pengganggu pada periode sebelumnya. Ghozali 2006: 95 menyatakan bahwa “ uji
autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya”.
Universitas Sumatera Utara
Autokorelasi sering terjadi pada sampel dengan data times series. Pengujian autokorelasi dilakukan dengan menggunakan uji
Durbin-Watson Dw, dengan kriteria jika nilai Durbin-Watson Dw
≤ 2 maka tidak terdapat gejala autokorelasi Supramono dan utami, 2004:82
d. Uji Heteroskedastisitas Uji Heteroskedasitas dilakukan untuk menguji apakah dalam
sebuah model regresi telah terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan yang lain Ghozali,
2006: 105. Model regresi yang baik adalah model regresi yang memiliki persamaan variance residual untuk homokedastisitas,
untuk melihat ada tidaknya heteroskedastisitas dapat dilakukan dengan uji Glejser, dimana data terbebas dari heteroskedastisitas
bila tingkat signifikansinya lebih besar dari 0.05. Selain itu dapat juga dilakukan dengan melihat grafik Scatterplot. Cara
memprediksi pola gambar Scatterplot dalah dengan : 1.
titik-titik data menyebar di atas dan di bawah atau disekitar angka 0,
2. titik-titik data tidak mengumpul hanya di atas atau di bawah
saja, 3.
penyebaran titik-titik data tidak boleh membentuk pada bergelombang melebar,
Universitas Sumatera Utara
4. penyebaran titik-titik data sebaiknya tidak berpola.
2. Pengujian Hipotesis a. Model Regresi Linear Berganda
Kategori