57
Bila sig 0,05 dengan α = 5, berarti distribusi data normal Ho diterima, sebaliknya bila sig 0,05 dengan α = 5, berarti distribusi data tidak
normal Ha diterima. Distribusi yang melanggar asumsi normalitas dapat dijadikan menjadi bentuk normal menurut Erlina 2011:101 dengan cara sebagai
berikut : 1.Transformasi data, 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.
2.Trimming, dilakukan dengan 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. 3.Winzorising, yaitu 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 nilainya menjadi μ-2σ dan nilai-nilai yang lebih besar dari μ+2σ akan
diubah menjadi μ+2σ.
3.7.2.2 Uji Multikolinearitas
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
variable independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolonieritas.
58
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 ataubentuk first difference delta. Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang
masih jarang sekali digunakan.
3.7.2.3Uji Heterokedastisitas
Uji heterokedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu 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
nilairesidualnya.Dasar yang digunakan untuk menentukan heteroskedastisitas antara lain :
59
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang
teratur bergelombang, melebar kemudian menyempit, 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.
3.7.2.4 Uji Autokorelasi