b. Uji Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data deretan waktu atau
ruang seperti dalam data cross-sectional Gujarati, 2003. Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi
korelasi, maka dinamakan ada problem autokorelasi Ghozali, 2006. Cara yang digunakan untuk mendeteksi autokorelasi dalam penelitian
ini dilakukan dengan uji Durbin Watson. Proses ada tidaknya autokorelasi dalam suatu model dapat digunakan patokan nilai dari
Durbin Watson hitung mendekati angka 2 Nugroho, 2005. Jika nilai Durbin Watson hitung mendekati atau disekitar angka 2 maka model
tersebut terbebas dari asumsi klasik autokorelasi, karena angka 2 pada uji Durbin Watson terletak di daerah No Autocorelation.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah varian dalam semua observasi pada model regresi tidak sama Ghozali, 2005.
Terdapat beberapa
cara untuk
mendeteksi keberadaan
heteroskedastisitas. Penulis memakai uji scatterplot graph dan Glejser test untuk menguji adanya heteroskedastisitas.
Glejser test meregresi nilai absolut residu dalam variabel independen Gujarati, 2003. Heteroskedastisitas terjadi jika variabel
independen memiliki nilai signifikan Ghozali, 2005. Hasil uji heteroskedastisitas dengan Glejster test dapat dilihat berdasarkan nilai
F dan t, dimana apabila F dan t tidak signifikan, berarti tidak terjadi heteroskedastisitas. Hal ini terbalik dengan pengujian hipotesis, di
mana hipotesis diterima apabila nilai F dan t signifikan. Menurut Nugroho 2005 analisis pada gambar Scatterplot yang
menyatakan model
regresi linier
berganda tidak
terdapat heteroskedastisitas jika:
1 Titik-titik data menyebar diatas dan dibawah atau disekitar angka 0.
2 Titik-titik data tidak mengumpul hanya diatas atau dibawah saja.
3 Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar.
4 Penyebaran titik-titik data sebaiknya tidak berpola.
d. Uji Normalitas
Uji normalitas data sebaiknya dilakukan sebelum data diolah berdasarkan model-model penelitian. Uji normalitas ini bertujuan
untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian Nogroho, 2005. Uji normalitas adalah untuk melihat
apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal.
Jadi, uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya.
Dalam penelitian ini digunakan uji normalitas Kolmogrov-Smirnov dengan kriteria, jika nilai p value 0,05 maka model regresi
memenuhi asumsi normalitas dan sebaliknya jika nilai p value 0,05 maka tidak lolos uji normalitas Ghozali, 2001. Pengujian normalitas
dalam penelitian ini dilengkapi dengan grafik Normal P-P Plot of Regresion Stan. Jika varian plot menyebar dan mendekati garis lurus,
maka data dari variable independen dan variabel dependen dalam penelitian dapat dikatakan memiliki kecenderungan berdistribusi
secara normal.
4. Pengujian Hipotesis
Kategori