atas beberapa persyaratan asumsi klasik yang mendasari model regresi linier berganda.
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas,
gejala multikolinearitas, dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE best linear
unbiased estimator yakni tidak terdapat heteroskedastistas, tidak terdapat multikolinearitas, dan tidak terdapat autokorelasi. Jika terdapat heteroskedastisitas,
maka varian tidak konstan sehingga dapat menyebabkan biasnya standar error. Jika terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh
individual dari variabel, sehingga tingkat signifikansi koefisien regresi menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih tetap bias dan
masih tetap konsisten hanya saja menjadi tidak efisien. Oleh karena itu, uji asumsi klasik perlu dilakukan.
a. Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Data yang baik dan
layak digunakan dalam penelitian adalah data yang memiliki distribusi normal. Untuk menguji apakah distribusi normal atau tidak dapat dilihat melalui normal probability
plot dengan membandingkan distribusi kumulatif dan distribusi normal. Data normal akan membentuk satu garis lurus diagonal dan ploting data akan dibandingkan
dengan garis diagonal. Jika distribusi data adalah normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Untuk
mendeteksi normalitas data dapat juga dilakukan dengan uji Kolmogorov-Smirnov Test, dengan dasar dalam pengambilan keputusan adalah jika 2 -tailed 0,05, maka
model regresi memenuhi asumsi normalitas dan sebaliknya Ghozali, 2005.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Pengujian ini diperlukan
untuk mengetahui apakah ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Jika terjadi korelasi, maka
Universitas Sumatera Utara
terdapat masalah multikolinieritas. Pada model regresi yang baik tidak terdapat korelasi diantara variabel independen. Pendeteksiannya dengan menggunakan
tolerance value dan Variance Inflation Faktor VIF. Jika nilai tolerance value 0,10 dan VIF 10 maka tidak terjadi multikolinieritas.
c. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain.
Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Uji heterokedastisitas dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik Scatterplot antara SRESID dan ZPRED. Dasar analisisnya dapat dilihat :
a Jika titik – titik yang membentuk pola yang teratur bergelombang, melebar
kemudian menyempit maka mengidentifikasikan telah terjadi heteroskedastisitas. b
Jika tidak ada pola yang jelas serta titk-titik menyebar di atas dan di bawah angka nol pada sumbu –y maka tidak terjadi heteroskedastisitas.
Uji heteroskedastisitas juga dapat dilihat dengan uji Park. Ada dua tahapan yang dilakukan dalam uji Park. Tahap pertama adalah melakukan regresi dengan
menggunakan Y sebagai variabel dependen dan X
1
, X
2
, X
3
, X
4
, X
5,
X
6
, X
7,
X
8,
dan X
9
sebagai variabel independen. Tahap kedua adalah dengan meregresikan nilai logaritma dari kuadrat residual terhadap variabel independen. Jika setiap variabel
inde penden nilai signifikannya lebih besar dari α
0,05,
maka dapat disimpulkan tidak terjadi heteroskedastisitas.
d. Uji Autokorelasi
