35
3.8.2 Uji Asumsi Klasik
Agar model regresi tidak bias atau agar model regresi BLUE Best Linear Unbiased Estimator maka perlu dilakukan uji asumsi klasik terlebih
dahulu Damodar Gujarati, 2006. Berikut ini penjelasan mengenai uji asumsi klasik yang akan dilakukan :
3.8.2.1 Uji Normalitas
Uji normalitas merupakan tahap awal dalam metode pemilihan analisis data. Menurut Erlina 2008 : 100 bahwa “ uji normalitas data
bertujuan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”.
Menurut Ghozali 2005 : 110 ada dua cara untuk mendeteksi apakah residual
berdistribusi normal atau tidak yaitu: 1. Analisis Grafik
Analisis grafik dilakukan dengan melihat histrogram atau pola distribusi data. Normalitas dapat dideteksi dengan melihat
penyebaran data titik pada sumbuh diagonal dari grafik atau dengan melihat histrogram dari nilai residualnya. Jika data
menyabar di sekitar garis diagonal dan mengikuti arah garis diagonal atau gafik histogramnya menunjukkan pola distribusi
normal, maka model regresi memenuhi asumsi normalitas.
2. Analisis Statistik Analisis statistik dilakukan dengan uji Kolmogorov-Smirnov
Test. Pedoman pengambilan keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji
Kolmogorov Smirnov dapat dilihat dari: a. Nilai Sig. atau signifikan atau probabilitas 0,05, maka
distribusi data adalah tidak normal.
b.
Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
Universitas Sumatera Utara
36
3.8.2.2 Uji Multikolinearitas
Menurut Ghozali 2005 : 91 tujuan dari uji multikolinearitas adalah “untuk meneliti apakah dalam model regresi ditemukan adanya
korelasi di antara variabel independen. Jika terjadi korelasi, berarti terjadi masalah multikolinieritas”. Model regresi yang valid adalah
model regresi yang bebas dari multikolinearitas. Multikolinearitas terjadi ketika variabel independen yang ada dalam metode berkorelasi
satu sama lain, ketika korelasi antar variabel independen sangat tinggi maka sulit untuk memisahkan pengaruh masing-masing variabel
independen terhadap variabel dependen. Untuk melihat ada atau tidaknya multikolinieritas dalam model regrasi dilihat dari nilai
tolerance dan lawannya Variance Inflation Factor VIF. Batasan umum yang dipakai untuk menunjukkan adanya multikolinieritas
adalah nilai tolerance 0,01 atau sama dengan VIF 10
3.8.2.3 Uji Autokorelasi