Pengujian Asumsi Klasik 1. Metode Analisis Data

3.8. Metode Analisis Data

3.8.1 Pengujian Asumsi Klasik 1.

Uji Normalitas Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Dengan adanya tes normalitas, maka hasil penelitian kita bisa digeneralisasikan pada populasi Situmorang dan Lufti, 2012 : 100. Uji normalitas dilakukan melalui pendekatan histogram dan pendekatan normal probability plots. Pada grafik histogram, suatu data dikatakan berdistribusi normal apabila distribusi data yang berbentuk lonceng tidak menceng ke kiri atau menceng ke kanan. Pada normal probability plots, suatu data dikatakan berdistribusi normal apabila pada scatter plot terlihat titik yang mengikuti data di sepanjang garis diagonal. Uji normalitas juga bisa dilakukan dengan pendekatan Kolmogorv-Smirnov.

2. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap atau sama maka disebut homoskedastisitas, demikian sebaliknya jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas sehingga model regresi layak Universitas Sumatera Utara dipakai untuk memprediksi variabel dependen berdasarkan masukan variabel independennya. Alat untuk menguji heteroskedastisitas yakni dengan alat analisis grafik atau dengan analisis residual yang berupa statistik Situmorang dan Lufti, 2012 : 108. Analisis grafik dilakukan melalui pembacaan grafik Scatterplot. Apabila terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, dan tersebar baik di atas maupun di bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas pada model regresi. Analisis statistik dilakukan melalui uji glejser. Suatu model regresi dikatakan tidak mengalami heteroskedastisitas apabila tidak ada variabel independen yang signifikan secara statistik mempengaruhi variabel dependen.

3. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang tinggi antarvariabel independen. Jika terjadi korelasi maka dinamakan terdapat problem multikolinearitas. Deteksi adanya multikolinearitas dapat dilihat pada besarnya nilaitolerance dan variance inflation factor VIF, jika nilai VIF 5 dan nilai tolerance 0.1 maka tidak terdapat masalah multikolinearitas Situmorang dan Lufti, 2012 : 140. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Terdapat bermacam cara untuk menghilangkan gejala multikolinearitas dalam suatu model regresi antara lain dengan menambah data sampel atau menghilangkan salah satu atau beberapa variabel yang mempunyai nilai korelasi yang tinggi. Universitas Sumatera Utara

4. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu residual pada periode t dengan kesalahan pada periode t-1 periode sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Autokorelasi pada sebagian besar kasus ditemukan pada regresi yang datanya adalah time series atau berdasarkan waktu berkala, seperti bulanan, triwulanan, dan tahunan. Gejala autokorelasi dideteksi dengan menggunakan Durbin-Watson test. Untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson DW dengan ketentuan sebagai berikut: Kriteria pengambilan keputusan uji autokorelasi ditunjukkan pada Tabel 3.4 sebagai berikut: Tabel 3.4 Kriteria Pengambilan Keputusan Uji Autokorelasi Hipotesis Nol Jika Keputusan Tidak ada autokorelasi positif 0ddL Ditolak Tidak ada autokorelasi positif dld dU No decision Tidak ada autokorelasi negatif 4-dLd 4 Ditolak Tidak ada autokorelasi negatif 4-dUd4-dL No decision Tidak ada autokorelasi, positif atau negatif dU d 4-dU Tidak ditolak Sumber: Situmorang dan Lufti 2012 Keterangan: dL = Batas bawah dU = Batas Atas Universitas Sumatera Utara

3.8.2 Metode Analisis Regresi Linear Berganda