bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar uji statistik menjadi tidak valid untuk jumlah
sampel kecil Ghozali, 2006. Uji statistik yang digunakan untuk mendeteksi normalitas adalah uji
statistik non-parametrik Kolmogorov-Smirnov K-S. Uji K-S dilakukan dengan membuat hipotesis :
H0 : Data residual berdistribusi normal HA: Data residual tidak berdistribusi normal
3.5.2.2 Deteksi Auto Korelasi
Deteksi Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah
ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Ghozali,2006.
Dalam penelitian ini, mendeteksi autokorelasi dilakukan dengan Run Test. Run Test sebagai bagian dari statistik non-parametrik dapat digunakan untuk
menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau
random.
3.5.2.3 Deteksi Heteroskedastisitas
Deteksi Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke
pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut
Heteroskedastisitas Ghozali, 2006. Deteksi heteroskedastisitas dilakukan dengan uji park. Apabila koefisien
parameter untuk variabel independen tersebut tidak signifikan secara statistik, hal ini menunjukkan bahwa dalam model regresi tidak terdapat heterokedastisitas.
3.5.2.4 Deteksi Multikolinearitas
Deteksi multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol Ghozali, 2006.
Multikolinearitas dalam penelitian ini dapat dilihat dari nilai VIF Variance Inflation Factor dan tolerance antar variabel independen. Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolonieritas adanya nilai Tolerance
≤ 0,10 atau sama dengan nilai VIF ≥ 10.
3.5.3 Uji Statistik