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