1. Jika nilai signifikan nilai probabilitas lebih besar dari 5, maka
distribusi normal. 2.
Jika nilai signifikasi nilai probabilitas kurang dari 5, maka distribusi adalah tidak normal.
3.4.2. Asumsi Klasik
Persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji f dan uji t tidak
boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi diantaranya tiga asumsi dasar.
Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda yaitu :
1. Tidak boleh ada autokorelasi
2. Tidak boleh ada multikolinieritas
3. Tidak boleh ada heterokedastisitas
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara observasi yang diurutkan berdasarkan waktu data time series atau data yang
diambil pada waktu tertentu data Cross-Sectional. Gujarat, 1999 : 201.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Autokorelasi menunjukan dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1
sebelumnya. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Adanya autokorelasi dalam regresi dapat diketahui
dengan menilai besaran Durbin Watson DW, tidak terjadi autokorelasi jika nilai Durbin Watson berada antara -2 hingga +2 Santoso, 2001 : 219.
Berikut adalah Durbin Watson yang dihasilkan dari model regresi.
2. Multikolinieritas
Tujuan pengujian ini adalah untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi
korelasi, maka dinamakan terdapat problem multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel bebas.
Tolerance mengukur variabilitas bebas yang tidak dapat dijelaskan oleh variabel bebas lainnya. Nilai tolerance yang umum dipakai dengan
nilai VIF dibawah 10, maka tidak terjadi multikolinieritas Ghozali, 2005 : 57-59.
Salah satu cara untuk mengetahui ada tidaknya multikolinieritas yaitu dengan melihat besarnya nilai variance inflation VIF. VIF ini dapat
dihitung dengan rumus : VIF =
1 � ���� ��
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Menurut Santoso 2002 : 206 syarat suatu model regresi liniernya tidak terdapat multikolinieritas adalah nilai VIF kurang dari 10 dan angka
tolerance mendekati angka 1.
3. Heterokedastisitas
Dasar analisis yang digunakan yaitu jika nilai Sig 2-tailed 0,05, maka hal ini berarti dalam model persamaan regresi tidak terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya atau bebas Heterokedastisitas Santoso, 2001 : 161.
Menurut Santoso 2001 : 301, deteksi adanya Heterokedastisitas adalah :
- Jika taraf signifikan 0,05 maka tidak terjadi Heterokedastisitas
- Jika taraf signifikan 0,05maka terjadi Heterokedastisitas
3.5. Teknik Analisis
Data yang diperoleh kemudian disusun kembali, dikelompokkan dengan tujuan analisis. Setelah dikelompokkan kemudian diolah sesuai
dengan diagram kerangka pikir. Analisis regresi dihasilkan dengan cara memasukkan input data variabel kedalam fungsi regresi. Analisis regresi
linier berganda digunakan untuk mengetahui pengaruh variabel bebas terhadap satu variabel terikat. Berdasarkan pernyataan diatas, maka model
persamaan yang digunakan adalah :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
