4.5.1.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah regresi, variabel dependen, variabel independen atau kedua-duanya mempunyai distribusi
normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal Ghozali, 2005.
Pada uji normalitas data ini digunakan metode One Sample Kolmogorov Smirnov Test. Pemilihan metode ini didasarkan bahwa One Sample Kolmogorov
Smirnov Test merupakan metode yang umum digunakan untuk menguji normalitas data Ghozali, 2005.
Tujuan pengujian ini adalah untuk mengetahui apakah sampel yang digunakan dalam penelitian ini berdistribusi normal atau tidak, dengan membuat
hipotesis sebagai berikut: Ho
: Data terdistribusi normal Ha
: Data terdistribusi tidak normal Jika sigma 0,05, maka Ha ditolak dan Ho diterima
Jika sigma 0,05, maka Ha diterima dan Ho ditolak
4.5.1.2 Uji Multikolonieritas
Salah satu asumsi dalam metode kuadrat terkecil adalah tidak adanya hubungan linear antara variabel independen. Jika hal ini terjadi, maka dikatakan
bahwa data mengalami multikolonieritas. Indikasi awal data yang mengalami Multikolonieritas yaitu apabila model memiliki standard error yang besar dan
nilai statistic t yang rendah. Ada beberapa metode yang digunakan untuk mendeteksi multikolonieritas dalam suatu model regresi. Salah satu ciri
Universitas Sumatera Utara
persamaan regresi yang mengalami masalah multikolonieritas adalah nilai R² yang tinggi namun memiliki sedikit variabel independen yang mempengaruhi variabel
dependen secara signifikan Ghozali, 2005. Metode yang digunakan untuk mendeteksi multikolonieritas dalam penelitian ini adalah tolerance - Variance
Inflactor Faktor VIF. Multikolonieritas terjadi apabila nilai tolerance 0,10 dan VIF 10.
4.5.1.3 Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 tahun sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal
ini sering ditemukan pada data runtut waktu atau time series karena “gangguan” pada individu atau kelompok cenderung mempengaruhi individu atau kelompok
pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pada penelitian ini, gejala autokorelasi dideteksi dengan
menggunakan Uji Durbin-Watson lewat SPSS. Pengambilan keputusan ada tidaknya autokorelasi ditentukan berdasarkan kriteria berikut Ghozali, 2005:
1. Bila nilai DW terletak antara batas atas atau upper bound du dan 4-du,
maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
Universitas Sumatera Utara
2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl,
maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif.
3. Bila nilai DW lebih besar daripada 4-dl, maka koefisien autokorelasi
lebih kecil daripada nol, berarti ada autokorelasi negatif. 4.
Bila nilai DW terletak di antara batas atas du dan batas bawah dl atau DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat
disimpulkan.
4.5.1.4 Uji Heteroskedastisitas
Kategori