commit to user
lxxvi
dengan membandingkan p-value yang diperoleh dengan tingkat signifikan yang ditentukan sebesar 0,05. Bila p-value
≥ 0,05 maka data yang digunakan dalam penelitian merupakan data yang terdistribusi normal dan sebaliknya bila nilai p-
value ≤ 0,05 maka data tidak terdistribusi normal Priyatno, 2008:28.
3. Pengujian Asumsi Klasik
a. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui hubungan linear yang sempurna atau pasti diantara variabel independen yang menjelaskan model regresi
Gujarati, 2009. Bila terjadi hubungan linier yang ”sempurna” pada beberapa atau semua variabel independen maka terdapat korelasi yang sangat kuat diantara
variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Pendeteksian multikolinearitas dapat dilihat dari
beberapa hal Gujarati, 2009: 1 Jika nilai dari Variance Inflation Factor VIF kurang dari 10 dan nilai
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 multikolinearitas dan
sebaliknya. 3 Jika nilai koefisien determinan maupun R-Square diatas 0,60, tapi tidak ada
variabel dependen, maka dapat dikatakan bahwa model terkena multikolinearitas.
commit to user
lxxvii
Dalam penelitian ini, untuk melihat pada model regresi ditemukan ada atau tidaknya korelasi antar variabel bebas dilakukan dengan melihat nilai
tolerance dan nilai VIF Variance Influence Factor. Apabila nilai tolerance lebih dari 0,1 dan nilai VIF kurang dari 10 berarti tidak terjadi gejala multikolinearitas.
b. Uji Autokorelasi
Autokorelasi didefinisikan sebagai korelasi antar anggota serangkaian observasi yang diurutkan menurut waktu dan ruang. Pengujian ini perlu dilakukan
untuk mengetahui ada tidaknya hubungan antara unsur gangguan pada observasi dengan unsur gangguan pada observasi lain Gujarati, 2009. Autokorelasi sering
terjadi pada sampel dengan metode pengumpulan timeseries. Metode paling terkenal untuk mendeteksi ada tidaknya korelasi adalah menggunakan pengujian
Durbin-Watson. Penentuan nilai Durbin-Watson dibantu dengan tabel dl dan du. Dalam menguji adanya autokorelasi dalam suatu model regresi dapat dilakukan
melalui pengujian terhadap nilai Durbin-Watson dengan ketentuan sebagai berikut
commit to user
lxxviii
Tabel III.2 Ketentuan Nilai Durbin-Watson
DW Kesimpulan
0 d dl Ada autokorelasi
dl d du Tanpa Kesimpulan
du d 4 Tidak Ada Autokorelasi
4 d 4-du Tidak Ada Autokorelasi
4-du d 4-dl Tidak Ada Autokorelasi
4-dl d 4 Ada Autokorelasi
c. Uji Heteroskedastisitas