3.5.2. Pengujian Normalitas Dan Asumsi Klasik
Asumsi klasik regresi meliputi Gujarati, alih bahasa Sumarno Zain, 1995 yaitu: Heterokedastisitas, Multikolinearitas, Autokorelasi.
A. Uji Normalitas
Pengujian normalitas bertujuan untuk menguji apakah dalam model regresi, variabel independen dan variabel dependen keduanya mempunyai distribusi normal atau
tidak. Model regresi yang baik adalah yang memiliki distribusi normal atau mendekati normal. Pengujian dilakukan dengan melihat penyebaran data titik pada sumbu
diagonal dari grafik normal P-P Plot, dengan kriteria keputusan: 1.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka menunjukkan pola distribusi normal.
2. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis
diagonal maka tidak menunjukkan pola distribusi normal. Penyimpangan asumsi normalitas ini akan semakin kecil pengaruhnya apabila
jumlah sampel di perbesar Suharyadi Purwanto, 2003. Salah satu penyelesaiannya adalah dengan cara mengubah bentuk nilai variabel yang semula nilai absolut
ditransformasikan menjadi bentuk lain kwadratik, resiprokal sehingga distribusi menjadi normal.
B. Uji
Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambar dalam spesifikasi model regresi dengan kata lain jika residual tidak memiliki varians yang
konstan. Model regresi yang baik adalah yang homokedastisitas.
Tagor Darius Sidauruk: Pengaruh Laporan Arus Kas Terhadap Harga Saham Dan Return Saham Pada Perusahaan Manufaktur Di Bursa Efek jakarta, 2007.
USU e-Repository © 2008
Dalam penelitian ini metode yang digunakan untuk mendeteksi gejala heterokedastisitas adalah uji metode grafis yaitu dengan melihat ada tidaknya pola
tertentu yang tergambar pada suatu scatter plot. Apabila terjadi pelanggaran pada asumsi ini maka tindakan perbaikan model
adalah dengan melakukan transformasi data dengan cara membagi model regresi yang di dapat dengan salah satu variabel independennya, Ghazali 2001: 76.
C. Uji Multikolinearitas
Masalah-masalah lain yang mungkin akan terjadi penggunaan persamaan regresi berganda adalah multikolinearitas, yaitu suatu keadaan yang satu atau variabel bebasnya
terdapat korelasi dengan variabel bebas lainnya atau suatu variabel merupakan fungsi linier dari variabel bebas lainnya. Adanya multikolinearitas dapat dilihat dari tolerance
value atau nilai variance inflation factor VIF. Batas dari tolerance value adalah 0,1 atau nilai VIF di atas 10, maka terjadi problem multikolinearitas, Ghazali 2001: 77.
Apabila terjadi asumsi ini maka tindakan perbaikan model adalah mengeluarkan satu atau lebih variabel independen yang memiliki korelasi yang tinggi dari model
regresi atau dengan menambah variabel lain ke dalam model.
3.6. Pengujian Hipotesis
Kategori