ketidakkonsistenan varians sebelum melakukan pengujian hipotesis. Uji yang dilakukan adalah uji normalitas, uji multikolinearitas, dan uji
heteroskedastisitas. Uji asumsi klasik yang digunakan hanya terbatas pada ketiga uji di atas, sedangkan uji autokorelasi tidak digunakan. Hal ini
dikarenakan uji autokorelasi yang bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya.
Masalah autokorelasi akan muncul bila data yang dipakai adalah time series Hadi, 2006:175. Maka uji autokorelasi ini sering ditemukan pada time series,
sedangkan data yang dikumpulkan oleh penulis adalah data crossection, maka masalah autokorelasi tidak perlu diuji..
a. Uji Normalitas Data
Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal. Tujuan uji normalitas adalah untuk
mengatahui apakah distribusi data mengikuti atau mendekati distribusi normal. Cara mendeteksinya yaitu dengan melihat grafik histrogram yang
membandingkan dengan data observasi dengan distribusi yang mendekati distribusi normal. Menurut Ghozali 2008:110, ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisi grafik dan analisis statistik.
1 Analisis Grafik
Untuk malihat normalitas data dapat dilakukan dengan melihat histrogram atau pola distribusi data. Normalitas dapat dideteksi
dengan melihat penyebaran data titik pada sumbu diagonal dari
grafik atau dengan melihat histrogram dari nilai residualnya. Jika data menyabar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau gafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2 Analisis Statistik
Uji statistik yang digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov Smirnov K-S. Pedoman pengambilan
keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat dari:
a Nilai Sig. atau signifikan atau probabilitas 0,05, maka
distribusi data adalah tidak normal. b
Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal Ghozali,2008:115.
b. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk meneliti apakah dalam model regresi ditemukan adanya korelasi di antara variabel independen. Jika
terjadi korelasi, berarti terjadi masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
Untuk melihat ada atau tidaknya multikolinieritas dalam model regrasi dilihat dari nilai tolerance dan lawannya Variance Inflation Factor VIF.
Batasan umum yang dipakai untuk menunjukkan adanaya multikolinieritas adalah nilai tolerance 0,01 atau sama dengan VIF 10 Ghozali,
2008:91.
c. Uji Heteroskedastisitas
