Uji Normalitas Uji Multikolinearitas

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