3. 8. Pengujian Asumsi Klasik
Uji asumsi klasik dalam penelitian ini dilakukan untuk mengetahui apakah sampel yang ditetapkan telah dapat dilakukan analisis dan melihat apakah model prediksi yang
dirancang telah dapat dimasukkan ke dalam serangkaian data, maka perlu dilakukan pengujian data. Untuk mendapatkan model regresi yang baik harus terbebas dari penyimpangan
data yang terdiri dari normalitas, multikolonieritas, autokorelasi dan heteroskedastisitas. Cara yang digunakan untuk menguji penyimpangan asumsi klasik adalah sebagai berikut Ghozali,
2009: 74 3.8.1
Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Untuk melihat normalitas residual
dilakukan dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal. Jika distribusi
data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Selain menggunakan grafik, untuk mengetahui apakah data berdistribusi normal
atau mendekati normal bisa juga dilakukan dengan menggunakan uji statistic non parametric Kolmogorov-Smirnov, yaitu dengan menggunakan tabel Kolmogorov-Smirnov Test Ghozali,
2009:74. 3.8.2
Uji Multikolinieritas
Uji multikolinieritas ini dilakukan dengan melihat nilai variance inflation factor VIF. Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar
variabel bebas. Pada model regresi yang baik, sebaiknya tidak terjadi korelasi diantara variabel
Universitas Sumatera Utara
bebas. Untuk mendeteksi ada tidaknya dengan melihat 1 nilai tolerance dan lawannya, 2 variance inflation factor.
Kedua ukuran ini menujukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas bebas yang terpilih yang tidak dapat
dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF karena VIF = 1tolerance dan menunjukkan adanya kolenieritas yang tinggi. Nilai cut off yang
dipakai oleh nilai tolerance 0,10 atau sama dengan nilai VIF diatas 10. Apabila terdapat variabel bebas yang memiliki nilai tolerance lebih dari 0,10 nilai VIF kurang dari 10, maka dapat
disimpulkan bahwa tidak ada multikolinieritas antar variabel bebas dalam model regresi Ghozali, 2009:57.
3.8.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode
t
dengan kesalahan pengganggu pada periode
t-1
periode sebelumnya Ghozali, 2009:95. Dengan demikian dapat dikatakan bahwa autokorelasi terjadi jika observasi yang berturut-turut sepanjang waktu mempunyai korelasi
antara satu dengan yang lainnya Nachrowi, 2006:185. Jika terjadi autokorelasi maka dikatakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Gejala autokorelasi dideteksi dengan menggunakan Durbin Watson test DW. Menurut Ghozali 2009:100, autokorelasi tidak terjadi bila Durbin Watson terletak anatara d
u
dan 4-d
u
dimana d
u
DW 4-d
u
Kriteria pengambilan uji autokorelasi ditunjukkan pada Tabel 3.4 sebagai berikut:
Universitas Sumatera Utara
Tabel 3.4 Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis Nol Jika
Keputusan
Tidak ada autokorelasi positif 0 DW d
Ditolak
L
Tidak ada autokorelasi positif Tidak ada autokorelasi negatif
Tidak ada autokorelasi negatif Tidak ada autokorelasi positif atau negatif
d
L
≤ DW ≤ d 4-d
U L
4-d DW 4
U
≤ DW ≤ 4-d d
L U
DW 4-d No Decision
U
Ditolak No Decision
Tidak Ditolak Sumber : Ghozali 2009:100
Keterangan : d
L
d = batas bawah
U
= batas atas
3.8.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual data yang ada. Model regresi yang baik adalah yang tidak
mengalami gejala heteroskedastisitas. Menurut Ghozali 2009:125 salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya gejala heteroskedastisitas adalah dengan melihat
grafik scatter plot dengan dasar analisis: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur
bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka O pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gejala heteroskedastisitas juga dapat diuji dengan menggunakan Uji Glejser, yaitu dengan meregres nilai absolute residual terhadap variabel independen Ghozali, 2009:129.
Heteroskedastisitas dengan uji Glejser tidak terjadi apabila tidak satupun variabel independen signifikan secara statistik mempengaruhi variabel nilai absolute Ut AbsUt.
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN