54 belum tentu menghasilkan model regresi berganda dengan
parameter yang signifikan semua. Regresi linear sederhana memiliki empat uji asumsi klasik, yaitu: asumsi
linieritas, asumsi normalitas, asumsi heteroskdatisitas, dan asumsi autokorelasi.Sedangkan untuk regresi linear berganda, ada empat uji asumsi
klasik yang sering digunakan, yaitu:
1. Uji Normalitas
Uji normalitas adalah pengujian asumsi residual yang berdistribusi normal. Asumsi ini harus terpenuhi untuk model regresi linier yang baik. Uji
normalitas dilakukan pada nilai residual model. Asumsi normalitas dapat diperiksa dengan pemeriksaan output normal P-P plot atau normal Q-Q plot.
Asumsi normalitas terpenuhi ketika penyebaran titik-titik output plot mengikuti garis diagonal plot.
Penelitian ini menggunakan uji normalitas untuk menguji apakah data yang digunakan berdistribusi normal atau tidak Priyatno, 2008. Namun, ketika
peneliti mendapati keraguan dengan pemeriksaan normalitas tersebut, maka dapat digunakan pengujian normalitas, seperti Uji Kolmogorov-
Smirnov, Uji Anderson-Darling, Uji Shapiro-Wilk, atau Uji Jarque-Bera Uji Skewness-Kurtosis. Asumsi Normalitas terpenuhi ketika pengujian normalitas
menghasilkan P-value Sign. α den g an nilai α ditentukan sebesar 5, atau
sebesar 0,05. Bila p-value 0,05 maka data yang digunakan dalam penelitian
UNIVERSITAS SUMATERA UTARA
55 merupakan data yang terdistribusi normal dan sebaliknya bila nilai pvalue
0,05 maka data tidak terdistribusi normal Priyatno, 2008.
2. Uji Heteroskedatisitas
Uji heteroskedatisitas adalah pengujian asumsi residual dengan varians tidak konstan. Harapannya, asumsi ini tidak terpenuhi karena model regresi
linier berganda memiliki asumsi residual dengan varians konstan homoskedasitas. Deteksi heteroskedatisitas dapat dilakukan dengan
menampilkan scatter plot dari nilai ZPRED nilai prediksi, sumbu X dengan SRESID nilai residualnya, sumbu Y. Model yang baik didapatkan
jika tidak terdapat pola tertentu pada grafik. Pola tertentu yang dimaksud seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya
melebar kemudian menyempit. Namun, ketika peneliti mendapati
keraguan dengan pemeriksaan heteroskdatisitas tersebut, maka dapat digunakan pengujian heteroskdatisitas, seperti: uji heteroskdatisitas untuk regresi linier
sederhana Uji Park, Uji Glejser, Uji Spearman’s Rank Correlation, atau Uji Goldfeld-Quandt dan uji heteroskdatisitas untuk regresi linier bergandaUji
Breusch-Pagan-Godfrey BPG, Uji White, atau Uji Koenker–Bassett KB. Pada penelitian ini digunakan uji Glejser untuk mendeteksi ada atau
tidaknya heteroskedastisitas dalam model. Pengujian ini dilakukan untuk melihat apakah kesalahan pengganggu variabel mempunyai varian yang sama
UNIVERSITAS SUMATERA UTARA
56 atau tidak untuk semua nilai variabel bebas. Apabila koefisien parameter beta
0,05 maka tidak ada masalah heteroskedastisitas Ghozali, 2005.
3. Uji Autokolerasi
