tendensi sentral mean, median, modus, dispersi deviasi standar dan varian dan koefisien korelasi antar variabel penelitian Indriantoro dan Supomo, 2012.
3.4.2 Uji Asumsi Klasik
Model regresi yang baik harus memiliki distribusi data normal atau mendekati normal dan bebas dari asumsi klasik yang terdiri dari uji autokorelasi,
uji multikolinearitas dan uji heteroskedastisitas. Setelah data berhasil dikumpulkan, sebelum dilakukan analisis terlebih dahulu dilakukan pengujian
terhadap penyimpangan asumsi klasik.
1. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Menurut Ghozali
2007 ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Alat uji yang digunakan
adalah dengan analisis grafik histogram dan grafik normal probability plot dan uji
statistik dengan Kolmogorov-Smirnov Z 1-Sample K-S. Dasar pengambilan keputusan dengan analisis grafik normal probability plot adalah :
1. Jika titik menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas.
2. Jika titik menyebar jauh dari garis diagonal dan atau tidak mengikuti arah
garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Dasar pengambilan keputusan uji statistik dengan Kolmogorov-Smirnov Z 1-
Sample K-S adalah :
1. Jika nilai Asymp. Sig. 2-tailed kurang dari 0,05, maka H0 ditolak. Hal ini berarti data residual terdistribusi tidak normal.
2. Jika nilai Asymp. Sig. 2-tailed lebih dari 0,05, maka H0 diterima. Hal ini
berarti data residual terdistribusi normal. 2. Uji Multikolinearitas
Multikolinearitas terjadi jika ada hubungan linear yang sempurna atau hampir sempurna antara beberapa atau semua variabel independen dalam model
regresi. Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel bebas Ghozali, 2007. Untuk mendeteksi ada atau tidaknya multikolinearitas dalam model regresi
sebagai berikut:
1. Nilai R² yang dihasilkan oleh suatu estimasi model regresi sangat tinggi tetapi secara individual variabel-variabel independen banyak yang tidak
signifikan mempengaruhi variabel dependen.
2. Menganalisis matrix korelasi variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya diatas 9,0 maka hal
ini merupakan indikasi adanya multikoliniearitas.
3. Multikoliniearitas dapat juga dilihat dari nilai tolerance dan Variance Inflation Factor VIF. Kedua ukuran tersebut menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen lainnya. Jadi, nilai
tolerance yang rendah sama dengan nilai VIF yang tinggi karena nilai VIF =
1 atau tolerance dan menunujukkan adanya kolinearitas yang tinggi. Nilai yang umum dipakai adalah nilai toleransi 0,10 atau sama dengan nilai VIF
diatas 10.
Walaupun nilai multikoliniearitas dideteksi dengan nilai tolerance dan VIF, tetapi masih tetap tidak dapat mengetahui variabel-variabel independen
mana sajakah yang saling berkorelasi. Jika nilai VIF dari 10 maka tidak terdapat multikolinearitas Ghozali, 2013:95.
3. Uji Autokorelasi
