38
tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat dari :
1. Nilai signifikan atau probabilitas 0,05, maka distribusi data tidak
normal. 2.
Nilai signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
3.8.2.2 Uji Multikolinieritas
Ujimultikolinieritasbertujuanuntukmengujiapakah model regresiditemukanadanyakorelasiantarvariabelbebas Ghozali, 2013.Model regresi
yang baikseharusnyatidakterjadikolerasidiantaravariabelindependen.Jikavariabelindepe
ndensalingberkolerasi, makavariabel- variabelinidikatakantidakortogonal.Variabelortogonaladalahvariabelinependen
yang nilaikorelasiantarsesamavariabelindependensamadengannol Ghozali, 2013. Multikolinieritas dapat dinilai dari tolerance dan nilai Variance Inflashion
Factor VIF. Nilai tolerance sama dengan VIF tertinggi karena VIF=1tolerance dan menunjukkan adanya kolonieritas yang tinggi. Nilai cut off
yang umum digunakan untuk menunjukkan adanya multikolinieritas adalah nilai tolerance 0.10 atau sama dengan nilai VIF10, dan sebaliknya jika nilai
tolerance 0.10 atau sama dengan nilai VIF 10 maka dapat dikatakan terbebas dari multikolinieritas Ghozali, 2013.
Universitas Sumatera Utara
39
3.8.2.3 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Model regresi yang baik adalah
yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan uji Durbin Watson dengan
ketentuan sebagai berikut : Hipotesisi Nol
Keputusan Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision Dl
≤ d ≤ du Tidak ada korelassi negatif
Tolak 4 – dl d 4
Tidak ada korelasi positif No decision
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi, positif atau negatif
Tidak ditolakditerima Du d 4 - du
3.8.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke
pengamatan yang lain Ghozali,2013. Jika varian dari hasil satu pengamatan lain tetap maka disebut homoskedastisitas dan jika berbeda maka disebut
Universitas Sumatera Utara
40
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali,2013.
Untuk melihat ada atau tidaknya heteroskedastisitas dilakukan dengan mengamati grafik scatterplot antar nilai prediksi variabel terkait dengan
residualnya. Menurut Ghozali, deteksi ada atau tidaknya heteroskedstisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot denga
dasar analisis: 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengidentifikasi terjadi heteroskedastisitas. 2.
Jika tidak ada pola yang jelass serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.8.3. Analisis Regresi Berganda
