e = Standart Error
3.4.2 Pengujian Asumsi Klasik
Penggunaan analisis regresi linear berganda memerlukan uji asumsi klasik atau uji persyartan analisis regresi linear berganda sehingga persamaan garis
regresi yang diperoleh benar – benar dapat digunakan untuk memprediksi variabel
dependen. Asumsi klasik regresi menurut Ghozali 2006 meliputi uji Normalitas, uji Multikoliniearitas, uji Heteroskedastisitas, dan uji Autokorelasi.
3.4.2.1 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah dalam model regresi, variabel bebas dan terikat terdistribusi secara normal. Salah satu
alat yang digunakan dalam penelitian ini adalah statistik Kolmgorov –
Smirnov. Alat uji ini biasa disebut dengan uji K-S yang tersedia dalam program SPSS. Uji K-S dilakukan dengan membuat hipotesis :
H : Data residual berdistribusi normal
Ha: Data residual tidak berdistribusi normal Model regresi yang baik adalah memiliki data normal atau
mendekati normal. Salah satu cara untuk melihat normalitas residual adalah dengan melihat histogram antara data observasi dengan distribusi
yang mendekati dengan distribusi normal. Jika hanya menggunakan histogram, hal ini dapat menyesatkan khususnya untuk jumlah sampel
yang kecil. Metode yang lebih handal adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dari distribusi normal Ghozali, 2006.
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan
melihat histogram dari residualnya. Dasar pengambilan keputusan : a.
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi
normal, maka model regresi memenuhi asumsi normalitas. b.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola
distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.4.2.2 Uji Multikoliniearitas
Uji multikoliniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen.
Masalah-masalah yang mungkin akan timbul pada penggunaan persamaan regresi berganda adalah multikolinearitas, yaitu suatu keadaan yang
variabel bebasnya berkorelasi dengan variabel bebas lainnya atau suatu variabel bebas merupakan fungsi linier dari variabel bebas lainnya. Untuk
mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi, penelitian ini menggunakan cara melihat nilai tolerance dan lawannya
Variance Inflation Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam
pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya.
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance
sama dengan VIF tinggi karena VIF = 1Tolerance. Nilai VIF tidak ada yang melebihi 10 dan nilai tolerance tidak ada yang kurang dari 0,10.
Sebagai dasar acuannnya dapat disimpulkan : 1.
Jika nilai tolerance 10 persen dan nilai VIF 10 maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel bebas
dalam model regresi. 2.
Jika nilai tolerance 10 persen dan nilai VIF 10 maka dapat
disimpulkan bahwa ada multikolinearitas antar variabel bebas dalam model regresi Ghozali, 2006.
3.4.2.3 Uji Heteroskedastisitas