1. Pengujian Asumsi Klasik
a. Uji Normalitas Uji ini digunakan dalam tahap awal dalam metode pemilihan
analisis data. Jika data normal digunakan uji parametrik dan jika data tidak normal digunakan non parametrik atau treatment agar data
normal. Tujuan uji normalitas adalah untuk mengetahui apakah data dalam bentuk distribusi normal atau tidak. Penulis menggunakan uji
Kolmogorov Smirnov untuk menguji normalitas data. Apabila
probabilitas 0,05 maka distribusi data normal dan dapat digunakan regresi berganda.
b. Uji Multikolinieritas Menurut Erlina dan Mulyani 2007: 107, “Uji
multikolinieritas bertujuan untuk menguji apakah data dalam model regresi ditemukan adanya korelasi diantara variabel independen.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen.” Penulis menggunakan uji VIF untuk melihat
korelasi antara variabel independen yang digunakan. Nilai yang umum dipakai untuk mendeteksi adanya gejala multikolineritas
adalah jika tolerance 0,1 sedangkan VIF 10.
Universitas Sumatera Utara
c. Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam
model regresi terjadi ketidak samaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Modal
regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2005:15. Untuk menguji apakah terjadi
heterokedastisitas maka penulis menggunakan uji Scatterplot. Uji ini dilakukan dengan dasar analisis:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka
mengindikasikan telah terjadi heterokedastisitas 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar
diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
d. Uji Autokorelasi Masalah autokorelasi akan muncul bila data yang dipakai
adalah data runtut waktu. “autokorelasi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya atau data
sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat tergantung pada
Universitas Sumatera Utara
tempat data tersebut terjadi.” Hadi,2006:175. Untuk mengetahui apakah terjadi Autokorelasi maka penulis mengggunakan uji Durbin
Watson. Patokan dalam uji ini yaitu: 1. Angka D-W di bawah -2 berarti ada autokorelasi positif
2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi
3. Angka D-W di atas +2, berarti ada autokorelasi negatif
2. Pengujian Hipotesis