45
Homoskedastisitas dan jika variansnya tidak samaberbeda disebut terjadi Heteroskedastisitas. Persamaan regresi yang baik jika tidak terjadi
Heteroskedastisitas. Analisis uji asumsi Heteroskedastisitas hasil output SPSS melalui
grafik scatterplot antara Z prediction ZPRED yang merupakan variabel bebas sumbu X= Y hasil prediksi dan nilai residualnya SRESID
merupakan variabel terikat sumbu Y= Y prediksi – Yriil. Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil
pengolahan data antara ZPRED dan SRESID menyebar di bawah maupun di atas titik origin angka 0 pada sumbu Y dan tidak mempunyai pola
yang teratur. Heteroskedastisitas terjadi jika scatterplot titik-titiknya mempunyai
pola yang teratur baik menyempit, melebar maupun bergelombang- gelombang.
3. Uji Asumsi Klasik Normalitas
Selain uji asumsi klasik multikolinearitas dan heteroskedasitas, uji asumsi klasik yang lain adalah uji normalitas, dimana akan menguji data
variabel bebas X dan data variabel terikat Y pada persamaan regresi yang dihasilkan. Berdistribusi normal atau berdistribusi tidak normal.
Ada 2 cara untuk menguji asumsi klasik normalitas:
46
a. Cara Statistik Dalam menguji data variabel bebas dan data variabel terikat
berdisribusi normal atau tidak pada cara statistik ini melalui nilai kemiringan kurva skewness =
α3 atau nilai keruncingan kurva kurtosis
= α4 diperbandingkan dengan nilai Z tabel. Rumus nilai Z untuk kemiringan kurva skewness:
Z skewness = skewness √6 N atau Zα3 = α3√6N
Rumus nilai Z untuk keruncingan kurva kurtosis: Z kurtosis = kurtosis
√24N atau Zα4 = α4√24N Ketentuan analisis:
1 Variabel bebas atau terikat berdistribusi normal jika Z hitung
Zα3 atau Zα4 Z tabel Misal diketahui Z ]5= 1,96 Ztabel lebih besar dari Z hitung
atau dengan kata lain Z hitung lebih kecil dari Z tabel 1,96, dapat dituliskan Z hitung 1,96
2 Variabel berdistribusi tidak normal jika Z hitung Zα3 atau
Zα4 Z tabel. Misal nomor a, dapat ditulis Z hitung 1,96
b. Cara Grafik Histogram dan Normal Probability Plots Cara grafik histogram dalam menentukan suatu data berdistribusi
normal atau tidak, cukup membandingkan antara data riilnyata
47
dengan garis kurva yang terbentuk, apakah mendekati normal atau memang normal sama sekali. Jika data riil membentuk garis kurva
cenderung tidak simetri terhadap mean U, maka dapat dikatakan data berdistribusi tidak normal dan sebaliknya. Cara grafik
histogram lebih sesuai untuk data yang relative banyak, dan tidak cocok untuk banyak data yang sedikit, karena interprestasinya dapat
menyesatkan.
4. Uji Asumsi Klasik Autokorelasi
Persamaan regresi yang baik adalah yang tidak memiliki masalah
autokorelasi, jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak dipakai prediksi. Masalah autokorelasi baru
timbul jika ada korelasi secara linier antara kesalahan pengganggu periode t-1 sebelumnya
Salah satu ukuran dalam menentukan ada tidaknya masalah autokorelasi dengan uji Durbin-Waston DW dengan ketentuan sebagai
berikut: a. Terjadi autokorelasi positif, jika nilai DW di bawah -2 DW -2
b. Tidak terjadi autokorelasi, jika nilai DW berada diantara -2 dan +2 atau -2
≤ DW ≤ + 2 c. Terjadi autokorelasi negatif jika nilai DW di atas + 2 atau DW +2
48
L. Teknik Analisis Data