Uji Normalitas Uji Multikolinearitas

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