53 probability plots
yang membandingkan distribusi kumulatif dari distribusi normal, dasar pengambilan keputusan:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Analisis statistik yaitu dengan melihat uji statistik non-parametrik Kolmogorov-Smirnov Z
K-S. Uji K-S dilakukan dengan membuat hipotesis: HA
: data residual berdistribusi normal HA
: data residual tidak berdistribusi normal Dasar pengambilan keputusan pada uji K-S ini adalah dengan melihat nilai
probabilitas signifikansi data residual. Jika angka probabilitas kurang dari 0,05 maka variabel ini tidak berdistribusi secara normal. Sebaliknya, bila angka
probabilitas di atas 0,05 maka HA ditolak yang berarti variabel terdistribusi secara normal Ghozali, 2011 : 29-35.
3.8.2.2 Uji Multikolonieritas
Uji multikolonieritas dilakukan untuk melihat apakah ada variabel yang saling berkorelasi pada variabel bebas. Jika terjadi korelasi maka terdapat masalah
multikolonieritas sehingga model regresi tidak dapat digunakan Ghozali, 2011 : 105. Multikolonieritas di dalam model regresi dapat dilihat dengan menganalisis
Universitas Sumatera Utara
54 tolerance value
dan VIF Variance Inflation Factor. Jika nilai tolerance value 0,10 dan VIF 10 maka tidak terjadi multikolonieritas.
3.8.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam suatu model regresi terdapat ketidaksamaan variansi dari residual satu pengamatan ke
pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokodastisitas dan jika berbeda disebut
heteroskedastisitas. Model regres yang baik adalah homoskedastisitas. Ghozali, 2011: 139
Dalam penelitian ini cara untuk mendeteksi ada tidaknya heteroskedastisitas yaitu menggunakan uji Glejser. Uji Glejser digunakan untuk
meregres nilai absolute residual terhadap variabel bebas. Sebagai pengertian dasar, residual adalah selisih antara nilai observasi dengan nilai prediksi dan
absolut adalah nilai mutlaknya. Adanya heteroskedastisitas berarti adanya variabel dalam model yang tidak sama konstan.
Maka dengan asumsi Ghozali, 2011: 142: 1. Jika probabilitas signifikansi di atas tingkat 5 maka tidak mengalami
gangguan heteroskedastisitas. 2. Jika probabilitas signifikansi di bawah tingkat 5 maka mengalami gangguan
heteroskedastisitas.
Universitas Sumatera Utara
55
3.8.2.4 Uji Autokorelasi
Ghozali 2011: 110 menjelaskan uji autokorelasi bertujuan menguji apakah model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan penganggu pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan problem autokorelasi. Autokorelasi muncul karena
observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi
ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series
. Ghozali, 2011: 113 menjelaskan bahwa untuk mendeteksi adanya
autokorelasi digunakan uji Lagrange Multiplier LM test atau. Uji autokorelasi dengan LM test terutama digunakan untuk sampel besar di atas 100 observasi. Uji
ini memang lebih tepat digunakan dibandingkan uji Durbin Watson terutama bila sampel yang digunakan relative besar dan derajat autokorelasi lebih dari satu. Uji
LM akan menghasilkan statistik Breusch-Godfrey Ghozali, 2011: 113. Cara untuk mengetahui adanya autokorelasi yakni dengan melihat koefisien parameter
untuk residual lag 2 res_2 apakah tingkat signifikansinya lebih besar dari 0,05 atau sebaliknya. Apabila tingat signifikansinya lebih besar dari 0,05 maka tidak
terdapat autokorelasi dan sebaliknya.
Universitas Sumatera Utara
56
3.8.3 Uji Hipotesis Penelitian 3.8.3.1 Analisis Regresi Linear Berganda
