52
3.7.2. Uji Asumsi Klasik
Model regresi yang baik harus memiliki distribusi data normal atau mendekati normal dan bebas dari asumsi klasik yang terdiri dari uji
normalitas, uji autokorelasi, uji multikolinearitas, dan uji heteroskedastisitas. Setelah data berhasil dikumpulkan, sebelum dilakukan
analisis terlebih dahulu dilakukan pengujian terhadap penyimpangan asumsi klasik.
3.7.2.1. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam model regresi, variabel independen dan dependennya memilki distribusi
normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal Ghozali, 2013 : 160.
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: a.
Jika titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
Universitas Sumatera Utara
53
b. 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 1-Sample K-S adalah :
a. Jika nilai Asymp. Sig. 2-tailed kurang dari 0,05, maka H
ditolak. Hal ini berarti data residual terdistribusi tidak normal. b.
Jika nilai Asymp. Sig. 2-tailed lebih dari 0,05, maka H diterima
3.7.2.2. Uji Multikolinearitas
Pengujian ini bertujuan untuk menguji apakah di dalam model analisis regresi ditemukan adanya pengaruh antar varibel-
variabel bebas yang satu dengan yang lainnya. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas
Ghozali, 20013 : 105. Untuk mendeteksi ada atau tidaknya multikolinearitas dalam model regresi sebagai berikut:
a. Nilai R² yang dihasilkan oleh suatu estimasi model regresi sangat
tinggi tetapi secara individual variabel-variabel independen banyak yang tidaksignifikan mempengaruhi variabel dependen.
b. Menganalisis matriks korelasi variabel independen. Jika antar
variabel independen ada korelasi yang cukup tinggi umumnya diatas 9,0 maka hal ini merupakan indikasi adanya
multikoliniearitas.
Universitas Sumatera Utara
54
c. 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. Pengujian ini dilakukan dengan membuat hipotesis:
H : Tolerance
≥ 0,10 dan VIF 10; tidak terjadi multikolinearitas Ha: Tolerance 0,10 dan VIF 10; terjadi multikolinearitas
3.7.2.3. Uji Heterokedastisitas
Kategori