42
3.5.2 Uji Normalitas
Uji Normalitas bertujuan adalah pengujian tentang kenormalan distribusi dataSantosa dan Ashari, 2005;128. Uji ini merupakan pengujian yang paling banyakdilakukan untuk
analisis statistik parametik. Pengujian uji normalitas karena padaanalisis statistik parametik, asumsi yang harus dimiliki oleh data adalah bahwa data tersebut terdistribusi secara normal.
Maksud data terdistribusi secara normal adalah bahwa data akan mengikuti bentuk distribusi normal. Distribusi normal data dengan bentuk distribusi normal dimana data memusat pada
nilai rata-rata dan median. Pengujian data dalam penelitian ini dilakukan dengan menggunakan kolmogorov-smirnov KS. Uji K-S dilakukan dengan hipotesis:
H = Data residual terdistribusi normal
H
a
= Data residual tidak terdistribusi normal Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut:
1. Apabila probabilitas nilai Z uji K-S signifikan secara statistik maka H
ditolak, yang berarti data terdistribusi tidak normal.
2. Apabila probabilitas nilai Z uji K-S tidak signifikan statistik maka H
diterima, yang berarti data terdistribusi normal.
Pedoman pengambilan keputusan adalah sebagai berikut: 1.
Nilai sig. atau signifikan atau nilai probabilitas 0,05 distribusi adalah tidak normal. 2.
Nilai sig. atau signifikan atau nilai probabilitas 0,05 distribusi adalah normal.
3.5.3 Uji Multikolonieritas
Uji moltikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas Ghozali,2006;69.Model regresi yangbaik seharusnya
tidak terjadi korelasi diantara variabel independen.Jika variabelindependen saling berkolerasi, maka variabel-variabel ini tidak ortogonal. Variabelortogonal adalah variabel independen
Universitas Sumatera Utara
43 yang nilai korelasi antar sesama variabelindependen sama dengan nol. Untuk mendeteksi ada
atau tidaknya multikolinearitasdi dalam model regresi adalah sebagai berikut: a. Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris yangtinggi, tetapi
secara individual variabel-variabel independen banyak yangtidak signifikan mempengaruhi variabel independen.
b. Menganalisis matriks korelasi variabel-variabel independen. Jika antarvariabel independen nada korelasi yang cukup tinggi umumnya diatas 0,90,maka hal ini merupakan indikasi
adanya multikolinearitas. Tidak adanyakolerasi yang tinggi antar variabel independen tidak berarti bebas dari adanya multikolinearitas. Multikolineritas dapat disebabkan adanya efek
kombinasidua atau lebih variabel independen. c. Multikolineritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2variance
inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabelindependen manakah yang dijelaskan oleh variabel independen lainnya.Dalam pengertian sederhana setiap variabel
independen menjadi variabeldependen dan diregres terhadap variabel independen lainnya.Tolerancemengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskanoleh variabel independen lainnya. Jadi nilai tolerance yang rendah samadengan nilai VIF yang tinggi karena VIF= 1Tolerance. Nilai cutoff yangumum dipakai untuk
menunjukan adanya multolinearitas adalah nilaitolerance 0,10 atau sama dengan nilai VIF10. Setiap peneliti harusmenentukan tingkat kolinearitas yang masih dapat ditolerir.
Sebagai contohnilai tolerance = 0,10 sama dengan tingkat kolonieritas 0,95. Walaupunmultikolineritas dapat dideteksi dengan nilai Tolerance dan VIF, tetapi kitamasih
tetap tidak mengetahui variabel-variabel independen manakah yangsaling berkolerasi.
3.5.4 Uji Autokolerasi
Kategori