3.6.2 Pengujian Asumsi Klasik
3.6.2.1 Uji Normalitas
Pengujian normalitas memiliki tujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji
statistik menjadi tidak valid untuk jumlah sampel kecil. Uji statistik yang dapat digunakan untuk menguji normalitas residual
adalah uji statistik non-parametrik Kolmogrov-Smirnov K-S. Jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan di atas 0,05 maka data
residual terdistribusi dengan normal. Sedangkan jika hasil Kolmogrov- Smirnov menunjukkan nilai signifikan dibawah 0,05 maka data residual
terdistribusi tidak normal.
3.6.2.2 Uji Autokorelasi
Pengujian ini dilakukan dengan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode
t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi
yang bebas dari autokorelasi. Uji autokorelasi ini dapat dilakukan dengan menggunakan uji
Lagrange Multiplier LM test. Uji autokorelasi dengan LM test digunakan
untuk sample besar di atas 100 observasi. Uji ini memang lebih tepat digunakan dibandingkan dengan uji DW terutama bila sample yang
digunakan relatif besar dan derajat autokorelasi lebih dari satu. Autokorelasi terjadi jika nilai probabilitas signifikan berada di bawah 5 0.05, dan
apabila nilai probabilitas signifikan 0.05 maka tidak terjadi autokorelasi.
3.6.2.3 Uji Heteroskedastisitas
Pengujian ini bertujuan apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain.
Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan menggunakan uji Glesjer dengan cara
meregres nilai absolute residual terhadap variabel independen. Jika total aktiva signifikansinya di atas tingkat kepercayaan 5 maka dapat
disimpulkan bahwa model regresi tidak mengandung adanya heteroskedastisitas dan sebaliknya jika variabel independen signifikan
secara statistik mempengaruhi variabel dependen maka ada indikasi terjadinya heteroskedastisitas.