59 asumsi normalitas dapat dijadikan menjadi bentuk normal menurut
Erlina 2011:101 dengan cara sebagai berikut : a Transformasi data
Transformasi data dapat dilakukan dengan logaritma natural ln, log 10, maupun akar kuadrat. Jika ada data yang bernilai negatif,
transformasi data dengan log akan menghilangkannya sehingga sampel n akan berkurang.
b Trimming
Trimming adalah membuang memangkas observasi yang bersifat outlier
, yaitu yang nilainya lebih kecil dari μ-2σ atau lebih besar dari μ+2σ. Metode ini juga akan mengecilkan sampelnya.
c Winzorising
Winzorising mengubah nilai-nilai outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusi menjadi
normal. Nilai- nilai observasi yang lebih kecil dari μ-2σ akan diubah
ni lainya menjadi μ-2σ dan nilai-nilai yang lebih besar dari μ+2σ
akan diubah menjadi μ+2σ.
3.6.1.2 Uji Multikolinieritas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model
regresi linear berganda. Jika ada korelasi tinggi diantara variabel- variabel bebasnya, maka hubungan antara variabel bebas terhadap
variabel terikatnya menjadi terganggu Sunjoyo dkk, 2013:65. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi
adalah sebagai berikut: 1. Menganalisis matrik korelasi variabel-variabel independen, jika
diantara variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya
multikolonieritas.
Universitas Sumatera Utara
60 2. Multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan
lawannya 2 Variance Inflation Factor VIF, nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah
nilai tolerance 0,10 atau sama dengan nilai VIF 10. Beberapa
alternatif cara
untuk mengatasi
masalah multikolinearitas menurut Erlina 2011:104 adalah sebagai berikut:
a. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.
b. Menambah jumlah observasi atau menambah ukuran sampel. c. Mentransformasikan data kedalam bentuk lain misalnya logaritma
natural, akar kuadrat atau bentuk first difference delta. d. Dalam tingkat lanjut dapat digunakan metode regresi bayessian
yang masih jarang sekali digunakan.
3.6.1.3 Uji Heterokedasitas
Uji heterokedasitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan
yang lain. Model regresi yang memenuhi persyaratan adalah terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang
lain tetap atau disebut homoskedastisitas Sunjoyo dkk, 2013:69. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik
Scatterplot antara nilai prediksi variabel independen dengan nilai residualnya.
Dasar yang
digunakan untuk
menentukan heteroskedastisitas antara lain :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur
bergelombang, melebar
kemudian
Universitas Sumatera Utara
61 mnenyempit,
maka mengindikasikan
telah terjadi
heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.6.1.4 Uji Autokorelasi