Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran datapada sumbu diagonal dari grafik atau dengan melihat histogram dari
residualnya. Dasar pengambilan keputusan : 1 Jika data menyebar di sekitar garis diagonal dan mengikuti arahgaris normal
atau grafik histogram menunjukkan pola distribusinormal maka model regresi memenuhi asumsi normalitas
2 Jika data menyebar jauh dari diagonal dan atau tidak mengikutiarah garis diagonal atau grafik histogram tidak menunjukkan poladistribusi normal, maka
model regresi tidak memenuhi asumsinormalitas b.Analisis Statistik
Untuk mendeteksi normalitas data dapat dilakukan pula melalui analisisstatistik Kolmogorov-Smirnov test K-S. Uji K-S dilakukan denganmembuat hipotesis:
Ho = Data residual terdistribusi normal Ha = Data residual tidak terdistribusi normal
1 Apabila probabilitas nilai Z uji K-S signifikan secara statistik maka Hoditolak, yang berarti data terdistribusi tidak normal.
2 Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik makaHo diterima, yang berarti data terdistribusi normal.
2. Uji Multikolinearitas
Pengujian ini berguna untuk mengetahui apakah model regresi ditemukanadanya korelasi antara variabel bebas independen Ghozali, 2011.
Modelregresi yang baik seharusnya tidak terjadi kolerasi diantara variabel bebasindependent.Untuk mendeteksi ada tidaknya multikolinieritas dalam suatu
model regresi dapatdilihat dari tolerance value atau Variance Inflation Factor VIF. Sebagai dasaracuannya dapat disimpulkan :
a. Jika nilai tolerance 0,10 dan nilai VIF 10, maka dapat disimpulkanbahwa tidak ada multikolinieritas antar variabel independen dalam modelregresi.
b. Jika nilai tolerance 0,10 dan nilai VIF 10, maka dapat disimpulkanbahwa ada multikolinieritas antar variabel independen dalam modelregresi.
3. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linier adakorelasi antara kesalahan pengganggu pada periode t dengan kesalahan
periode t-1sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satusama lainnya. Masalah yang timbul karena residual kesalahan pengganggu tidakbebas dari satu observasi ke observasi lainnya. Hal
ini sering ditemukan pada dataruntut waktu time series. Model regresi yang baik adalah yang bebas dariautokorelassi Ghozali, 2011.
Uji autokorelasi menggunakan Run Test. Run Test digunakan untuk menguji apakahantar residual terdapat korelasi yang tinggi. Jika antar residual
tidak terdapathubungankorelasi maka dikatakan bahwa residual adalah acak. Run Test digunakanuntuk menguji apakah data residual terjadi secara random atau
acak Ghozali, 2011.
4. Uji Heteroskedastisitas
Uji Heteoskedastisitas bertujuan menguji apakah dalam model regresi terjadiketidaksamaan ke pengamatan yang lain. Jika variance dari residual satu
pengamatanke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebutHeteroskedastisitas. Model regresi yang baik adalah yang
Homoskedastisitas atautidak terjadi Heteroskedastisitas Ghozali, 2011:139. Menurut Ghozali 2011 dasar analisis untuk mendeteksi ada atau
tidaknyaHeteroskedastisitas adalah : 1 Jika ada pola tertentu bergelombang, melebar kemudian menyempit
makamengindikasikan telah terjadi Heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawahangka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
3.5.3 Analisis Regresi Berganda
