mengetahui apakah ada pengaruh yang signifikan dari beberapa variabel independen dengan variabel dependen maka digunakan model regresi linear berganda.
Sebelum melakukan analisis regresi berganda, terlebih dahulu dilakukan uji asumsi klasik agar tidak timbul masalah dalam penggunaan analisis regresi linear
berganda dan kita dapat menilai suatu model dengan baik dan tepat.
3.7 Koefisien Determinan R
2
Koefisien determinasi mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai yang mendekati 1 berarti variabel -
variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali, 2009;134
3.8 Uji Asumsi Klasik
Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif, maka model tersebut harus memenuhi asumsi
klasik regresi.Uji asumsi klasik yang dilakukan adalah uji normalitas, multikolinearitas, autokorelasi, dan heteroskedastisitas.
3.8.1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi
yang baik adalah memiliki distribusi data normal atau mendekati normal dan menentukan uji hipotesis yang akan digunakan. Apabila data berdistribusi dengan
normal, maka uji yang digunakan adalah uji statistik parametrik.Bila data tidak
berdistribusi secara normal maka uji yang digunakan adalah uji statistik non parametrik.Uji F dan uji t dalam penelitian ini termasuk kedalam uji statistik
parametrik, oleh karena itu data harus berdistribusi secara normal.
3.8.2 Uji Multikolinieritas
Multikolinier atau dikenal juga dengan multikolinearitas berarti terdapar korelasi atau hubungan yang sangat tinggi diantara variabel independen. Yamin,
:2011;54. Multikolinearitas hanya terjadi dalam regresi liner berganda atau majemuk. Ada beberapa tanda suatu regresi linear berganda memiliki masalah dengan
multikolinearitas, yaitu nilai R square tinggi, tetapi hanya ada sedikit variabel independen yang signifikan atau bahkan tidak signifikan. Ada beberapa uji untuk
mendeteksi problem multikolinearitas, seperti Variance Inflating Faktor, indeks kondisi condition index – CI, dan Tolerance TOL. Pengaruh adanya multikolinier
terhadap model regresi adalah sebagai berikut: 1. Taksiran model regresi masih bersifat BLUE best linear unbias estimator, tetapi
memiliki varians dan kovarians yang besar sehingga sulit dipakai sebagai estimasi.
2. Interval taksiran cenderung lebar sehingga menyebabkan variabel independen tidak signifikan.
Jika terjadi nasalah multikolinearitas pada model regresi berganda, maka ada bebereapa hal untuk memperbaikinya, antara lain:
1. Menghilangkan salah satu variabel independen yang memiliki hubungan linear yang sangat tinggi dengan variabel lainnya.
2. Melakukan proses transformasi, misalnya dengan proses diferensiasi. 3. Menambah data bila memungkinkan.
4. Mengunakan regresi principal component, atau dengan regresi ridge apabila opsi 1,2 dan 3 tidak dapat dilakukan.
3.8.3 Uji Heteroskedastisitas
