2. Pendekatan Grafik
Metode grafik yang digunakan untuk menguji normalitas data dalam penelitian ini adalah dengan melihat normal probability plot. Proses uji normalitas
data dilakukan dengan memperhatikan penyebaran data titik pada Normal P-P Plot of Regression Standardized dari variabel terikat dimana:
a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal,
maka model regresi memenuhi asumsi normalitas. b.
Jika data menyebar jauh dari garis diagonal atau mengikuti garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
3. Pendekatan Histogram
Untuk menguji normalitas data dapat dilihat dengan kurva normal. Kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satu diantaranya adalah
mean, modus, dan median pada tempat yang sama. Ukuran kemiringan puncak kurva ke kiri atau ke kanan dikenal dengan nama “kemiringan kurva” atau
“kemencengan kurva” skewness. Kemencengan suatu kurva distribusi data dapat bertanda positif arah kanan dan bertanda negatif arah kiri.
3.8.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
lain. Jika varians dari residual dari satu pengamatan ke pengamatan lain, maka
Universitas Sumatera Utara
disebut homoskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas Ghozali, 2006: 105.
Salah satu cara mendeteksi heteroskedastisitas adalah melihat ada tidaknya pola tertentu pada grafik scatterplot antara nilai prediksi variabel terikat dengan
residualnya. Jika titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah
terjadi heteroskedastisitas. Sebaliknya, jika tidak ada pola yang jelas, serta titik- titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi
heteroskedastisitas. Uji ini juga dapat dilakukan melalui uji Glejser, yaitu dengan meregres
nilai absolut residual terhadap variabel independen. Apabila signifikansi dari taraf nyata 5, maka dianggap tidak terjadi masalah heteroskedastisitas, dan
begitu sebaliknya.
3.8.3.3 Uji Autokorelasi
Uji autokorelasi digunakan untuk menguji apakah dalam sebuah model regresi linear berganda ada korelasi antara kesalahan pengganggu pada periode t
dan kesalahan pengganggu pada periode t-1 periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi ada
tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson DW dengan ketentuan sebagai berikut Ghozali, 2006: 95:
Kriteria pengambilan keputusan uji autokorelasi ditunjukkan pada Tabel sebagai berikut:
Universitas Sumatera Utara
Tabel 3.2 Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d d
L
Tidak ada autokorelasi positif No decision
d
L
d d
U
Tidak ada autokorelasi negatif Tolak
4-d
L
d 4 Tidak ada autokorelasi negatif
No decision 4-d
U
d 4-d
L
Tidak ada autokorelasi, positif atau negatif
Tidak ditolak d
U
d 4-d
U
Sumber: Ghozali 2006
3.8.3.4 Uji Multikolinearitas