3.5.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk menghindari bias karena tidak semua data dapat diolah dengan analisis regresi. Dalam penelitian ini menggunakan uji
normalitas, uji autokorelasi, uji multikolinieritas, dan uji heteroskedastisitas.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu residual mempunyai distribusi normal Ghozali 2013: 160. Proses
uji normalitas dilakukan dengan melihat grafik histogram, normal p-plot dan Kolmogorov Smirnov K-S, Adapun penjelasannya yaitu:
1. Grafik. Yaitu jika data menyebar sekitar garis diagonal dan mengikuti
garis diagonal. Grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Tetapi jika data
menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka
model tidak memenuhi asumsi normalitas. 2.
Kolmogorov-Smirnov K-S. Jika probabilitas signifikansi berada di atas tingkat kepercayaan 5.
2. Uji Autokorelasi
Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Uji autokorelasi digunakan untuk mengetahui apakah dalam model
regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Untuk mengetahui terjadi autokorelasi atau tidak dapat dilakukan dengan pengujian nilai Durbin-Watson DW dengan
ketentuan sebagai berikut:
Tabel 3.2 Nilai Durbit-Watson
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif No decision
dl ≤ d ≤ du
Tidak ada korelasi negative Tolak
4 – dl d 4
Tidak ada korelasi negative No decision
4- du ≤ d ≤ 4-dl
Tidak ada autokorelasi positif atau negatif Tidak ditolak
du d 4-du
Sumber : Ghozali, 2013: 111
3. Uji Multikolinieritas
Ghozali 2013: 105 uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model
regresi yang baik tidak terdapat masalah multikolinieritas atau adanya hubungan yang sempurna di antara variabel-variabel independennya. Atau dengan kata lain
tidak terjadi korelasi antar variabel independen. Untuk mengetahui ada atau tidaknya multikolinieritas dapat dilihat dari nilai coefficients correlations antar
variabel independen dan nilai tolerance dan Variance Inflation Faktor VIF yang dihitung dengan rumus:
VIF =
1 � ���� ��
Jika nilai coefficients correlations di atas 0,95 atau 95 maka terjadi
multikolinieritas yang serius. Dan jika nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cutoff yang umum dipakai untuk
menunjukkan adanya multikolonieritas adalah tolerance ≤ 0,10 atau sama dengan
nilai VIF ≥ 10.
4. Uji Heteroskedastisitas
Kategori