Uji Normalitas Data Uji Multikolineritas

b. Uji-t Parsial

Untuk menentukan tingkat signifikan secara parsial antara masing-masing variabel bebas dengan variabel tak bebas, maka hipotesis harus diuji dengan uji-t pada taraf signifikan sebessar α=5 secara dua arah two tail. Selanjutnya diambil suatu keputusan, diterima atau ditolaknya hipotesis yaitu dengan cara membandingkan t- hitung dengan t table , dengan membandingkan nilai signifikan yang diperoleh dari hasil uji statistik dengan nilai signifikan yang ditentukan, dalam penelitian ini ditetapkan nilai signifikan sebesar 0,05 atau 5 . Uji t dipakai untuk melihat signifikansi dari pengaruh variable independen secara individu terhadap variable dependen dengan membandingkan t- hitung dengan t table Wahid Suilamin, 2004.

3.8. Uji Asumsi Klasik

Suatu instrumen pengamatan dinyatakan layak untuk diteliti bila variabel penelitian terbebas dari asumsi-asumsi klasik statistik, antara lain asumsi normalitas data, multikolonieritas, heteroskedastisitas dan autokorelasi.

3.8.1. Uji Normalitas Data

Uji normalitas berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, gunakan statistik parametrik dan jika data tidak normal, gunakan statistik non parametrik atau lakukan treatment agar data normal. Tujuan Uji normalitas adalah ingin mengetahui apakah dalam model regresi variable Universitas Sumatera Utara pengganggu atau residual memiliki distribusi normal. Model regresi yang baik adalah distribusi data normal atau mendekati normal, Santoso 2000 : 212. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal adalah dengan analisis grafik dan uji statistik. Dengan bantuan grafik yang terdapat dalam fasilitas SPSS, jika data menyebar di sekitar garis diagonal dan mengikuti arah garis maka model regresi memenuhi asumsi normalitas. Sebaliknya, jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Sedangkan uji normalitas data secara statistic dilakukan dengan uji Kolmogorov Smirnov, distribusi data dikatakan normal jika signifikansi 0,05. Apabila nilai signifikansi 0,05 maka distribusi data tidak normal.

3.8.2. Uji Multikolineritas

Multikolineritas adalah suatu kondisi dimana terjadi korelasi signifikan antara variabel bebasnya. Jika terdapat gejala multikolineritas relatif sempurna, maka penafsiran lewat kuadrat terkecil menjadi tak tertentu dan variansi serta standar deviasinya menjadi tak terdefinisikan. Hal tersebut menyebabkan meningkatnya penyimpangan mengenai ketepatan variabel bebas dalam menjelaskan variabel terikat. Hal ini harus dihindari untuk meminimalisir kesalahan dalam menentukan good of fit. Model yang baik seharusnya tidak terjadi adanya korelasi antara variabel bebas. Nilai cutoff yang umum dipakai adalah nilai Tolerance 0,10 atau sama dengan nilai VIF 10 Ghozali, 2005. Universitas Sumatera Utara Dalam analisis SPSS, untuk mengetahui ada atau tidaknya gejala ini dapat dideteksi dari nilai tolerance dan VIF Variance Inflation Factor. Jika angka tolerance bernilai nol atau mendekati nol sedangkan nilai VIF lebih dari sepuluh 10, maka terjadi multikolineritas pada variabel tersebut: Suatu model yang bebas multikolineritas dapat di lihat dari, Santoso 2000 : 206: a. Besaran VIF dan Tolerance 1. Mempunyai nilai VIF di sekitar angka 1 2. Mempunyai angka tolerance mendekati 1 b. Besaran korelasi antar variabel bebas 1. Koefisien korelasi antar variabel bebas harus lemah 0,5 2. Jika terjadi korelasi kuat, maka terjadi problem multikolineritas

3.8.3. Uji Heteroskesdastisitas