a. Berdistribusi normal b. Non-Multikolinearitas, artinya antara variabel independen dalam model
regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
c. Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling berkorelasi.
d. Homoskedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
Menurut Kuncoro 2006, inti metode Ordinary Least Square mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari
kuadrat kesalahan setiap observasi terhadap garis tersebut. Adapun uji asumsi klasik model regresi berganda dengan metode penaksiran OLS
Ordinary Least Square sebagai berikut : a.
Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, variabel terikat atau variabel bebas atau keduanya mempunyai
distribusi normal atau tidak Ghozali, 2005:110. Uji ini ditujukan untuk mendapatkan kepastian terpenuhinya syarat normalitas yang
akan menjamin dapat dipertanggungjawabkannya langkah-langkah analisis statistik sehingga kesimpulan yang diambil dapat
dipertanggungjawabkan. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Pedoman
tentang data tersebut mendekati atau merupakan distribusi normal dapat didasarkan pada analisis grafik dan analisis statistik. Analisis
grafik dapat dilakukan dengan melihat grafik histogram yang membandingkan data observasi dengan distribusi yang mendekati
distribusi normal atau mengikuti kurva berbentuk lonceng dan grafik
Universitas Sumatera Utara
normal probability plot P-Plot yang membandingkan distribusi kumulatif dari distribusi normal. Normalitas dapat dideteksi dengan
melihat penyebaran data titik-titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya, jika data menyebar di
sekitar garis diagonal dan mengikuti arah garis diagonal akan menunjukkan pola distribusi normal, maka model regresi memenuhi
asumsi normalitas. Pengujian data pada penelitian ini juga menggunakan One-Sample Kolmogorov-Smirnov Test untuk menguji
normalitas data masing-masing variabel Karo-Karo, 2006:36. b.
Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen.
Multikolinearitas merupakan suatu fenomena adanya korelasi yang sempurna antara variabel-variabel bebas diantara satu dengan lainnya.
Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Dalam hal ini kita sebut variabel-variabel bebas ini
tidak ortogonal yaitu variabel bebas yang nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi Multikolinearitas, akan
mengakibatkan timbulnya kesalahan standar penaksir dan probabilitas untuk memerima hipotesis yang salah menjadi semakin besar. Untuk
mendeteksi adanya Multikolinearitas digunakan juga nilai Variance Inflation Factor VIF untuk masing-masing variabel bebas. Jika nilai
VIF lebih besar dari 10 maka variabel tersebut dikatakan mempunyai
Universitas Sumatera Utara
Multikolinearitas dengan variabel lainnya. Akan tetapi, jika nilai
Variance Inflaction Factor VIF tidak lebih dari 10 dan nilai
tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam suatu model regresi terjadi ketidaksamaan variance dari residual suatu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi
homoskedastisitas Ghozali, 2005:105. Salah satu asumsi pokok dalam model regresi linear klasik ialah bahwa variance setiap
disturbans term yang dibatasi oleh nilai tertentu mengenai variabel- variabel bebas adalah berbentuk suatu nilai konstan yang sama dengan
α. Untuk menguji heteroskedastisitas ini, peneliti menggunakan uji metode grafik, dengan melihat ada tidaknya pola tertentu yang
tergambar pada output SPSS yaitu gambar Scatter-Plot antara variabel dependen yaitu ZPRED dengan residualnya SRESID.
Dasar pengambilan keputusan Karo-Karo, 2006:37, adalah: 1
Jika pola penyebaran data membentuk pola tertentu yang teratur bergelombang melebar, kemudian menyempit, maka terjadi
heteroskedastisitas.
Universitas Sumatera Utara
2 Jika tidak terdapat pola yang jelas, sebaran data di atas dan di
bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas yaitu model regresi yang homoskedastisitas.
3. Analisis Regresi Linier Berganda
Kategori