2. Analisis Statistik
Untuk menentukan uji ini didasarkan kepada Kolmogorov – Smirnov Goodness of Fit Test terhadap model yang diuji.
Pedoman untuk pengambilan keputusannya didasarkan sebagaimana diungkapkan Ghozali 2005 : 114 “ Apabila
nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data atau nilai probabilitas 0,05, maka distribusi data normal.
Apabila nilai signifikansi atau nilai probabilitas 0,05, maka
distribusi data tidak normal.
3.6.2.2 Uji Multikolinieritas
Multikolinearitas adalah situasi adanya korelasi variabel – variabel independen antara yang satu dengan yang lainnya. Uji ini bertujuan
untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya
tidak terjadi korelasi dintara variabel independen. Untuk melihat ada atau tidaknya multikolinearitas dalam model regresi dapat
dilihat dari : - Nilai tolerence dan lawannya.
- Variance Inflation factor VIF
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
Tolerence mengukur variabilitas variabel independen yang terpilih
yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerence yang rendah sama dengan nilai VIF yang tinggi karena
VIF = 1 tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerence
0,10 atau sama dengan VIF 10.
Cara yang dapat dilakukan untuk menanggulangi jika terjadi multikolinearitas adalah dengan mengeluarkan salah satu variabel
bebas yang memiliki korelasi yang tinggi dari model regresi dan identifikasi variabel lainnya untuk membantu prediksi.
3.6.2.3 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem
autokorelasi Ghozali, 2009. Untuk mendeteksi ada atau tidaknya autokorelasi didalam model
regresi antara lain dapat dilakukan dengan Uji Durbin - Watson DW Test.
Riyanto 2012:59 menyatakan jika nilai statistik Durbin-Watson - 2 sd +2, maka asumsi independensi terhadap residual non-
autokorelasi terpenuhi. Sebaliknya, bila nilai statistik Durbin-
Watson -2 atau 2, berarti asumsi independensi terhadap residual non-autokorelasi tidak terpenuhi.
3.6.2.4 Uji Heteroskedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan ke
pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homokedastisitas dan
jika berbeda disebut dengan heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi
heterokedastisitas. Untuk melihat ada tidaknya heterokedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara nilai
prediksi variabel dependen dengan residualnya. Dasar analisis
yaitu :
a. Jika ada pola tertentu, seperti titik –titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka mengindikasikan telah terjadi heterokedastisitas.
b. Jika tidak ada pola yang jelas, seperti titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heterokedastisitas.
3.6.3. Pengujian Hipotesis