Uji Normalitas Uji Multikolinearitas

67

2. Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. 1 Analisis Grafik Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik normal probability plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan sebagai berikut: a Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. b Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. 2 Analisis Statistik Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya Ghozali, 2011:163. Oleh karena itu dalam penelitian ini 68 digunakan uji statistik dengan uji statistik non-parametrik Kolmogorov-Smirnov K-S. Jika nilai Kolmogorov-Smirnov memiliki tingkat signif ikan di atas α 0,05 berarti regresi memenuhi asumsi normalitas Ghozali, 2011:165.

b. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen adalah sama dengan nol. Salah satu cara untuk mendeteksi multikolinearitas dilakukan dengan menggunakan nilai VIF Variance Inflation Factor dan tolerance. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinear itas adalah nilai tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10 Ghozali, 2011:106. Jika nilai tolerance 0,10 dan VIF 10 maka tidak terjadi multikolinearitas Agnes, 2001:97. c. Uji Autokorelasi 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. Jika terjadi 69 korelasi, maka dinamakan ada problem autokorelasi. Model korelasi yang baik adalah regresi yang bebas dari autokorelasi. Pada penelitian ini, uji autokorelasi diuji dengan uji Durbin-Watson DW test. Pengambilan keputusan ada tidaknya autokorelasi: Tabel 3.1 Tabel Keputusan Autokorelasi Durbin-Watson Hipotesis nol Keputusan Jika  Tidak ada autokorelasi positif  Tidak ada autokorelasi positif  Tidak ada korelasi negatif  Tidak ada korelasi negatif  Tidak ada autokorelasi, positif atau negatif  Tolak  No decision  Tolak  No decision  Tidak ditolak  0 d dl  dl ≤ d ≤ du  4 – dl d 4  4 – du ≤ d ≤ 4 – dl  du d 4 – du sumber : Ghozali, 2011:111

d. Uji Heteroskedastisitas