Ketepatan model dilakukan untuk mendeteksi ketepatan yang paling baik dari garis regresi. Uji ini dilakukan dengan melihat besarnya nilai koefisien
determinasi. R
2
merupakan besaran non negative dan besarnya koefisien determinasi adalah antara angka nol sampai dengan angka satu 0
≤ R
2
Koefisien determinasi bernilai nol berarti tidak ada hubungan antara variabel bebas dengan variabel terikat. Sebaliknya nilai koefisien determinasi satu
berarti suatu kecocokan sempurna dari ketepatan model. ≤.
3.9. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik, pengujian ini dilakukan untuk mendeteksi terpenuhinya
asumsi-asumsi dalam model regresi berganda dan untuk menginterpretasikan data agar lebih relevan dalam menganalisis. Pengujian asumsi klasik meliputi :
3.9.1. Uji Normalitas
Uji normalitas untuk mengetahui apakah varibel dependen, independen atau keduanya berdistribusi normal, mendekati normal atau tidak. Normal disini
berarti mempunyai distribusi data yang normal. Normal tidaknya berdasarkan patokan distribusi normal dari data dengan mean dan standar deviasi yang sama.
Uji Normalitas pada dasarnya membandingkan antara data yang kita miliki dengan data berdistribusi normal yang memiliki mean dan standar deviasi yang
sama dengan kita. Model regresi yang baik hendaknya berdistribusi normal atau mendekati normal. Data yang mempunyai distribusi normal merupakan salah satu
syarat dilakukannya parametric-test. Untuk data yang tidak mempunyai distribusi normal analisisnya harus menggunakan non parametric test. Data yang memiliki
Universitas Sumatera Utara
distribusi yang normal berarti mempunyai sebaran yang normal pula. Dengan profil data semacam ini maka data tersebut dianggap bisa mewakili populasi.
Akibat ketidaknormalan data adalah penggunaan uji t dan F menjadi tidak valid. Karena uji t dan F diturunkan dari asumsi bahwa data Y atau e berdistribusi
normal. Mendeteksi apakah data berdistribusi normal atau tidak dapat diketahui dengan menggambarkan penyebaran data melalui grafik. Jika data menyebar
disekitar garis diagonal dan mengikuti arah garis diagonalnya, model regresi memenuhi asumsi normalitas.
3.9.2. Uji Multikolinieritas
Uji multikolinieritas untuk mengetahui apakah pada model regresi ditemukan adanya korelasi antar variabel independen . Jika terjadi korelasi,
terdapat masalah multikolinieritas Umar, 2008:177. Model regresi yang baik seharusnya tidak terjadi korelasi antar sesama variabel independen. Salah satu
cara untuk mendeteksi ada atau tidaknya multikolinieritas didalam model regresi adalah dengan melihat nilai tolerance dan variance inflation factor VIF. Kedua
ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel
independen yng terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena
VIF=1Tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
3.9.3. Uji Heteroskedastisitas