Kriteria pengujian : Jika sig F 0,05 maka H
diterima dan H
1
ditolak. Jika sig F ≤ 0,05 maka H
ditolak dan H
1
diterima.
d. Uji Normalitas
Uji distribusi normal adalah uji untuk mengukur apakah data yang didapatkan memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik statistik inferensial. Dengan kata lain,
uji normalitas adalah uji untuk mengetahui apakah data empirik yang didapatkan dari sampel sesuai dengan distribusi teoritik tertentu.
Uji normalitas hanya digunakan jika jumlah observasi adalah kurang dari 30, untuk mengetahui apakah error term mendekati distribusi normal. Jika jumlah observasi lebih dari 30, maka tidak
perlu dilakukan uji normalitas. Sebab, distribusi sampling error term telah mendekati normal Ajija, 2011.
Menurut Gujarati, 1995, uji asumi linearitas garis regresi berkaitan dengan suatu pembuktian apakah model garis linier yang ditetapkan benar-benar sesuai dengan keadaannya ataukah tidak.
Pengujian ini
perlu dilakukan
sehingga hasil
analisis yang
diperoleh dapat
dipertanggungjawabkan dalam pengambilan beberapa kesimpulan penelitian yang diperlukan. Salah satu cara mendeteksi normalitas adalah dengan plot probabilitas normal. Melalui plot ini
masing-masing nilai pengamatan dipasangkan dengan nilai harapan dan distribusi normal, maka nilai-nilai data titik-titik dalam grafik akan terletak disekitar garis diagonal Gujarati, 1995.
e. Uji Multikolinearitas
Istilah kolinearitas ganda atau multikolinearitas multicollinearity diciptakan oleh Ragner Frish di dalam bukunya : Statistical confluence analysis by mean of Complete Regression Systems.
Istilah tersebut berarti adanya hubungan linear yang sempurna atau eksak perfect or exact di
Universitas Sumatera Utara
antara variabel-variabel bebas dalam model regresi. Istilah kolinearitas sendiri adalah hubungan linear tunggal single linier relationship, sedangkan kolinearitas ganda multicollinearity
menunjukkan adanya lebih dari satu hubungan linear yang sempurna Supranto, 2004. Menurut Sudarmanto 2005, uji asumsi multikolinearitas ini dimaksudkan untuk membuktikan
atau menguji ada tidaknya hubungan yang linear antara variabel bebas independen satu dengan variabel bebas independen lainnya. Dalam analisis regresi linier berganda, maka akan terdapat
dua atau lebih variabel bebas independen yang diduga akan mempengaruhi variabel tergantungnya. Pendugaan tersebut akan dapat dipertanggungjawabkan apabila tidak terjadi
adanya hubungan yang linear multikolinearitas di antara variabel-variabel bebasnya independen.
Menurut Gujarati 1995, multikolinearitas dapat dideteksi dengan beberapa metode, antara lain : 1.
Jika nilai Toleransi atau VIF Variance Inflation Faktor kurang dari 0,1 atau nilai VIF melebihi 10.
2. Terdapat koefisien korelasi sederhana yang mencapai atau melebihi 0,8.
3. Jika nilai F hitung melebihi nila F tabel dari regresi antara variabel bebas.
f. Uji Heteroskedastisitas
Heteroskedastisitas adalah adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi.
Menurut Nachrowi dan Usman 2005, dampak heteroskedastisitas terhadap OLS Ordinary Least Square adalah :
1. Akibat tidak konstannya variansi, maka salah satu dampak yang ditimbulkan adalah lebih
besarnya variansi dari taksiran.
Universitas Sumatera Utara
2. Lebih besarnya variansi taksiran, tentunya akan berpengaruh pada uji hipotesis yang
dilakukan uji t dan uji F karena kedua uji tersebut menggunakan besaran variansi taksiran. Akibatnya, kedua uji hipotesis tersebut menjadi kurang akurat.
3. Lebih besarnya variansi taksiran akan mengakibatkan standard error taksiran juga lebih
besar sehingga interval kepercayaan menjadi sangat besar. 4.
Akibat beberapa dampak tersebut, maka kesimpulan yang diambil dari persamaan regresi yang dibuat dapat menyesatkan.
3.5. Definisi
Kategori