3.7.1.1 Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah dalam sebuah model regresi, variabel pengganggu atau residual mempunyai distribusi
normal atau tidak.
Pengujian ini diperlukan karena untuk melakukan uji t dan uji f mengasumsikan bahwa nilai residual mengikuti distribusi normal
Erlina, 2008. Menurut Ghozali 2005 ada dua cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak yakni analisis
statistik dan analisis grafik.
a Analisis statistik
Uji statistik sederhana yang sering digunakan untuk menguji asumsi normalitas adalah uji normalitas Kolmogorov Smirnov K-S. Uji statistik
sederhana lainnya yang dapat dilakukan adalah dengan melihat nilai kurtosis dan nilai Z-Skewness. Pedoman pengambilan keputusan tentang suatu data
apakah mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov-Smirnov dapat dilihat dari:
1. Nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah tidak normal. 2.
Nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
b Analisis grafik Untuk mendeteksinya dapat digunakan analisis grafik yaitu melihat
grafik histogram yang membandingkan data observasi dengan distribusi yang mendekati distribusi normal. Analisis grafik yang lebih handal
Universitas Sumatera Utara
untuk menguji normalitas data adalah dengan melihat normal probability plot. Normal probability plot adalah membandingkan distribusi kumulatif
data yang sesungguhnya dengan distribusi kumulatif dari distribusi
normal hypothetical distribution dengan memperhatikan penyebaran
data titik pada Normal P- Plot of Regression Standardized dari variabel terikat dimana:
• Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi
normalitas. Distribusi yang melanggar asumsi normalitas dapat dijadikan
menjadi bentuk normal dengan beberapa cara sebagai berikut:
1.
Transformasi data Transformasi data dapat dilakukan dengan logaritma natural ln, log
10, maupun akar kuadrat.
2.
Trimming Trimming adalah memangkas membuang observasi yang bersifat
outlier.
3.
Winzorising Winzorising mengubah nilai – nilai outliers menjadi nilai – nilai
minimum atau maksimum yang diizinkan supaya distribusi menjadi normal.
Universitas Sumatera Utara
3.7.1.2 Uji Multikolinearitas
Kategori