4.6.3 Uji Asumsi Klasik
Salah satu syarat pengujian hipotesis dengan menggunakan analisis regresi adalah uji asumsi klasik. Uji ini meliputi : Uji normalitas, uji multikolinearitas, uji
autokorelasi, dan uji heteroskedastisitas.
1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel independen dan variabel dependen memiliki distribusi normal atau
tidak. Model regresi yang baik hendaknya berdistribusi normal atau mendekati normal. Menurut Ghozali 2005: 147 ada dua cara untuk menguji apakah
residual berdistribusi normal atau tidak yaitu: a. Analisis grafik
Untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang
mendekati distribusi normal. Metode lain adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi
normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika
distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
b. Analisis Statistik Uji statistik adalah dengan uji Kolmogorov-Smirnov K-S untuk
menentukan normalitas distribusi residual. Jika sig atau p-value 0,05, maka data berdistribusi normal.
Universitas Sumatera Utara
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Jika suatu
model regresi mengandung multikolinearitas maka kesalahan standar estimasi akan cenderung meningkat dengan bertambahnya variabel dependen. Menurut
Ghozali, 2005: 95 multikolinearitas dapat dideteksi sebagai berikut : 1
Nilai deskriminasi yang sangat tinggi dan diakui dengan nilai F test yang sangat tinggi, serta tidak atau hanya sedikit nilai t test yang signifikan.
2 Meregresikan model analisis dan melakukan uji korelasi antar variabel
dependen dengan menggunakan Variance Inflating Factor VIF dan Tolerance Value. Batas VIF adalah 10 dan Tolerance Value adalah 0.1 jika
nilai VIF lebih besar dari 10 dan nilai Tolerance Value lebih kecil dari 0.1 maka terjadi multikolinearitas dan harus dikelompokkan dari model.
3. Uji Autokorelasi