38
Pengujian normalitas dilakukan dengan membandingkan p-value yang diperoleh dengan tingkat signifikansi yang ditentukan sebesar 0,05. Bila
p-value ³ 0,05 maka data yang digunakan dalam penelitian merupakan
data yang terdistribusi normal Priyatno, 2008:142. Selain itu juga digunakan Histogram Display Normal Curve, dan Kurva Normal P-P
PLOT. Pengujian dengan Histogram Display Normal Curve, data
dikatakan terdistribusi normal jika bentuk kurva memiliki kemiringan yang seimbang pada sisi kiri dan kanan, atau tidak condong, melainkan
ketengah dengan bentuk seperti lonceng, dengan nilai skewness mendekati 0 Nugroho, 2005:79. Sedangkan pengujian dengan kurva
normal P-P PLOT, data dikatakan terdistribusi normal jika penyebaran titik-titik data terletak di sekitar garis diagonal dan searah mengikuti
garis diagonal Nugroho, 2005:82.
3.5.3 Pengujian Asumsi Klasik
3.5.3.1 Multikolinearitas
Menurut Gujarati 1999 “Uji Multikolinearitas digunakan untuk mengetahui ada tidaknya hubungan linear yang “sempurna” atau pasti di
antara variabel-variabel independen yang menjelaskan dari model regresi Gujarati, 1999”. Menurut Nugroho 2005:45 “Bila terjadi hubungan
linear yang “sempurna” pada beberapa atau semua variabel independen
39
maka terdapat korelasi yang sangat kuat di antara variabel independen”. Pendeteksian multikolinearitas dapat dilihat dari beberapa hal antara lain:
1 Jika nilai dari Variance Inflation Factor VIF kurang dari 10 dan nilai dari Tolerance lebih dari 0,1 maka dapat dikatakan bahwa model
yang digunakan dalam model terbebas dari multikolinearitas. 2 Jika koefisien korelasi antara masing-masing variabel independen
tidak lebih dari 0,70 maka model penelitian terbebas dari multikolinieritas, dan sebaliknya.
3 Jika nilai koefisien determinan maupun R-Square di atas 0,60 tetapi tidak ada variabel independen yang berpengaruh terhadap variabel
dependen maka dapat dikatakan bahwa model terkena multikolinieritas.
3.5.3.2 Autokorelasi
Menurut Gujarati 1999:226 “Autokorelasi didefinisikan sebagai korelasi antar anggota serangkaian observasi yang diurutkan menurut
waktu atau ruang”. Pengujian ini perlu dilakukan untuk mengetahui ada tidaknya hubungan antar unsur gangguan pada observasi dengan unsur
gangguan pada observasi lain. Autokorelasi sering terjadi pada sampel dengan metode pengumpulan time series. Metode yang paling terkenal
untuk mendeteksi ada tidaknya korelasi adalah menggunakan pengujian Durbin- Watson. Penentuan nilai Durbin-Watson dibantu dengan tabel dl
dan du. Penentuan ada tidaknya autokorelasi dapat digunakan patokan nilai Durbin-Watson hitung yang berkisar antara 0 dan 4 Uyanto,
40
2009:100. Bila nilai uji statistik Durbin-Watson lebih kecil dari satu atau lebih besar dari tiga maka residual dari model regresi berganda tidak
bersifat independen atau terjadi autokorelasi.
3.5.3.3 Heteroskesdastisitas
Heteroskesdastisitas diartikan sebagai penyebaran titik data regresi yang tidak sama hetero. Heteroskedastisitas muncul apabila residual
dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lain Kuncoro, 2003:163. Metode yang
digunakan untuk menguji ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai variabel dependen ZPRED
dengan nilai residual SRESID. Dasar analisis ini adalah : 1 Titik-titik tersebar di atas dan di bawah atau disekitar angka 0
2 Titik-titik data tidak mengumpul hanya di atas atau di bawah saja 3 Penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali
3.5.4 Pengujian Hipotesis