Pedoman pengambilan keputusan dengan uji Kolmogorov-Smirnov
tentang data tersebut mendekati atau merupakan distribusi nomal dapat dilihat dari
i. Nilai Sig. Atau signifikan atau probabilitas 0,05, maka distribusi data
adalah tidak normal. ii.
Nilai Sig. Atau signifikan atau probabilitas 0,05, maka ditribusi data adalah normal.
4.7.1.2. Uji Multikolinearitas
Pengujian ini dimaksudkan untuk mengetahui ada atau tidaknya hubungan linear yang sempurna diantara variabel-variabel independen.. konsekuensi dari
adanya asumsi ini adalah koefisien regresinya tidak menentu atau kesalahan standar yang tidak terhingga.
Ada atau tidaknya terjadi multikolinearitas dapat dilihat dari nilai VIF atau nilai Tolerance. Batasan nilai untuk dua variabel dikatakan berkolinieritas tinggi
bila Variance Inflation Tolerance VIF lebih besar dari 10 atau dengan nilai toleransi kurang dari 0.10, maka terjadi multikolinearitas. Batas dari tolerance
value adalah 0,10 dan batas VIF adalah 10. Apabila tolerance value dibawah 0,10 atau nilai VIF diatas 10, maka akan terjadi problem multikolinearitas, Hair.et.al,
1998.
4.7.1.3. Uji Autokorelasi
Autokorelasi dapat diartikan sebagai korelasi yang terjadi diantara anggota dari serangkaian observasi yang berderetan waktu atau korelasi antara tempat
yang berdekatan Gujarati, 1995:201.
Universitas Sumatera Utara
Pendeteksian autokorelasi pada kasus ini digunakan uji Dublin Watson Bila nilai DW terletak antara batas atas atau upper bound du dan 4-du, maka
koefisien autokorelasi sama dengan nol, berarti tidak terjadi gejala autokorelasi. Bila nilai DW lebih rendah dari pada batas bawah atau lower bound dl, maka
koefisien autokorelasi lebih besar dari pada nol, berarti terjadi autokorelasi positif. Bila nilai DW lebih besar dari pada 4-dl, maka koefisien autokorelasi
lebih kecil dari pada nol, berarti terjadi autokorelasi negatif. Bilai nilai DW terletak diantara batas atas du dan batas bawah dl atau DW terletak antara 4-
du dan 4-dl, maka hasilnya tidak dapat disimpulkan.
4.7.1.4 Uji Heteroskedastitas
Suatu asumsi yang sangat penting dalam model regresi linear klasik adalah bahwa gangguan yang muncul dalam fungsi regresi populasi adalah
homoskedastik yaitu semua gangguan memiliki varians yang sama Gujarati, 1995:201.
Uji heteroskedastitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan kepengamatan lain.
Untuk mendeteksi ada tidaknya heteroskedastitas dilakukan dengan cara scatterplot.
4.7.2 Pengujian Hipotesis
