50 -
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas.
-
Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas. B.
Analisis Statistik Uji statistik yang digunakan untuk menguji normalitas adalah uji
statistik nonparametric Kolmogorov-Smirnov K-S. Pedoman dalam pengambilan keputusan normal atau tidaknya data yang akan diolah adalah
sebagai berikut:
-
Apabila hasil signifikansi lebih besar dari 0,05 maka data terdistribusi normal.
-
Apabila hasil signifikansi lebih kecil dari 0,05 maka data tersebut tidak terdistribusi secara normal.
3.8.2.2 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel– variabel independen antara yang satu dengan yang lainnya. Dalam hal ini,
kita sebut variabel – variabel bebas ini tidak ortogonal Erlina,2008:156. Variabel – variabel bebas yang bersifat ortogonal adalah variabel bebas
yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Model regresi yang baik selayaknya tidak terjadi multikolinearitas.
51
Multikolinearitas dapat dilihat dari VIF Variance Inflation Factor, jika VIF 10 maka tingkat multikolinearitas dapat ditoleransi.Multikolinearitas
dilihat juga melalui TOL Tolerance.Nilai TOL berkebalikan dengan nilai VIF.Tolerance TOL mengukur variabilitas dari variabel
independen yang tidak dijelaskan oleh variabel inpenden lainnya. Jadi
multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10. 3.8.2.3
Uji Autokorelasi
Uji ini bertujuan untuk mengetahui apakah ada korelasi antar kesalahan pengganggu pada periode t dengan periode t-1
sebelumnya.Model regresi yang baik adalah yang bebas dari autokorelasi.Cara yang dapat digunakan untuk mendeteksi ada atau
tidaknya autokorelasi adalah dengan uji Durbin Watson DW.Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi
muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Hal ini terjadi karena kesalahan pengganggu tidak bebas dari
observasi lainnya. Salah satu cara yang dapat dilakukan untuk mendeteksi terjadi atau tidaknya autokorelasi adalah dengan uji Durbin Watson. Uji
ini hanya digunakan untuk autokorelasi tingkat pertama first order autokorelasi dan mensyaratkan adanya intercept konstanta dalam
model regresi.
52
Tabel 3.2 Kriteria Pengambilan Keputusan
Metode Durbin-Watson Kriteria Pengujian
Keputusan Kesimpulan
0 d dl Terjadi autokorelasi
positif Tolak
dl ≤ d ≤ du
Tidak ada autokorelasi positif
Tidak Ada Keputusan
4-dl d 4 Terjadi autokorelasi
negatif Tolak
4-du ≤ d ≤ 4-dl
Tidak ada autokoelasi negatif
Tidak Ada Keputusan
du d 4-du Tidak ada autokorelasi
positif atau negatif Tidak Ditolak
Sumber : Ghozali, Imam, 2006. Aplikasi Analisis Multivariance dengan Program SPSS, Edisi Ketiga, Badan Penerbit Universitas Diponegoro, Semarang,
hal 96.
3.8.2.4 Uji Heteroskedastisitas