ada. Informasi yang dapat diperoleh dari statistik deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data, serta kecenderungan suatu gugus data.
3.3.2 Uji Asumsi Klasik
Pengujian hipotesis yang menggunakan model regresi berganda harus dapat memenuhi uji asumsi klasik. Hal ini bertujuan untuk menghindari estimasi yang
bias karena tidak semua data dapat menerapkan model regresi
3.3.2.1 Uji Normalitas
Menurut Ghozali 2011 uji normalitas bertujuan untuk menguji apakah dalam model regresi, variable pengganggu memiliki distribusi normal. Seperti yang
diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residualpengganggu mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik
manjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan cara
analisis grafik dan uji statistik. 1
Analisis Grafik 2
Analisis Statistik
3.3.2.2 Uji Multikolonearitas
Menurut Ghozali 2011 uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen.
Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorekasi, maka variable ini tidak
ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Untuk melihat ada atau
tidaknya multikolonearitas dalam model regresi dapat dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Cara untuk
menunjukan adanya multikolonieritas adalah nilai tolerance ≤0,10 atau sama
dengan nilai VIF ≥10.
3.3.2.3 Uji Autokorelasi
Menurut Ghozali 2011 tujuan dari auto korelasi adalah untuk mengetahui apakah dalam model regresi liner ada korelasi antara keslahan penggangu periode
t dengan kesalahan penganggu pada periode t-
1.
Jika terjadi korelasi, maka ada problem auto korelasi. Auto korelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan dengan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi
lainnya. Hal ini sering ditemukan pada data runtut waktu time series karena “gangguan” pada seseorang atau data cenderung mempengaruhi “gangguan“
pada seseorang atau data tahun berikutnya. Uji autokorelasi dapat dilakukan dengan cara uji Durbin-Watson DW test.
Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu first order
