41
3. Uji Asumsi Klasik
Sebelum melakukan analisis regresi, agar dapat perkiraan yang tidak bias dan efisiensi maka dilakukan pengujian asumsi klasik yang harus
dipenuhi, yaitu:
a. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal.
Santoso 2000:235 mengungkapkan bahwa model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Pengujian normalitas menggunakan grafik normal probability plot. Apabila variabel berdistribusi normal, maka penyebaran plot akan
berada disekitar dan disepanjang garis 45 . Kenormalan data yang
akan dianalisis merupakan salah satu prasyarat yang harus dipenuhi dalam analisis regresi. Deteksi adanya kenormalan dalam model
regresi yang diperoleh dapat dilihat dari grafik normal P-P plot dari hasil analisis menggunakan program SPSS. Apabila titik-titik yang
terbentuk mendekati garis diagonal dapat disimpulkan bahwa model regresi berdistribusi normal.
b. Uji Heterokedastisitas
Model regresi yang baik adalah tidak terjadi heterokedastisitas. Heterokedastisitas menunjukkan bahwa variasi variabel tidak sama
42 untuk semua pengamatan. Pada heterokedastisitas kesalahan yang
terjadi tidak random, tetapi menunjukkan hubungan yang sistematis sesuai dengan besarnya satu atau lebih variabel.
Heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual atau dari satu
pengamatan ke pengamatan lainnya, jika varian residual dari satu pengamatan
ke pengamatan
lainnya tetap
maka disebut
homokedastisitas dan tidak terjadi heterokedastisitas. Untuk mengetahui ada atau tidaknya heterokedastisitas ada
beberapa cara yaitu : 1 Melihat grafik scatterplot antara nilai prediksi variable terikat
ZPRED dengan residualnya SRESID. Deteksi ada atau tidaknya heterokedastisitas dapat dilakukan dengan melihat ada
tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan
sumbu X adalah residual Y prediksi – Y sesungguhnya.
2 Dasar analisis, jika ada pola tertentu seperti titik – titik yang
membentuk pola yang teratur bergelombang, melebar, kemudian menyempit. Jika tidak ada pola yang jelas secara titik
– titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka
tidak terjadi heterokedastisitas.
43
c. Uji Multikolinearitas
Artinya variabel independen yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna. Uji
multikolinearitas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen
yang lain dalam satu model. Kemiripan antar variabel independen dalam suatu model akan menyebabkan terjadinya korelasi yang sangat
kuat antar variabel independen dengan variabel independen yang lain. Selain itu, deteksi terhadap multikolinearitas juga bertujuan untuk
menghindari kebiasaan dalam proses pengambilan kesimpulan mengenai pengaruh uji parsial masing
– masing variabel independen terhadap variabel dependen. Untuk mengetahui ada tidaknya gejala
multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor melalui program SPSS. Tolerance
mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang biasa dipakai adalah
nilai Tolerance 0,1 atau nilai VIF 5, maka tidak terjadi multikolinearitas Situmorang, 2008:104.
Deteksi multikolinearitas pada suatu model dapat dilihat dari beberapa hal :
1 Jika nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan
44 terbebas dari multikolinearitas VIF = 1Tolerance, jika VIF = 10
maka Tolerance = 110 = 0,1. Semakin tinggi VIF maka semakin rendah Tolerance.
2 Jika nilai koefisien korelasi antar masing – masing variabel
independen kurang dari 0,70 maka model dapat dinyatakan bebas dari asumsi klasik multikolinearitas.
3 Jika nilai koefisien determinan R-Square diatas 0,60 namun tidak ada variabel independen yang berpengaruh terhadap variabel
dependen, maka model terkena multikolinearitas.
d. Uji Autokorelasi
Autokorelasi adalah hubungan yang terjadi antara anggota –
anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu yang berkaitan dengan tenggang waktu Time length yang
dapat diartikan bahwa, hubungan korelasi dari masing – masing
variabel saat ini akan sama keadaannya di masa yang akan datang. Salah satu pengujian yang digunakan untuk mengetahui autokorelasi
adalah dengan uji Durbin Watson. Rumus uji Durbin Watson :
d =
Hipotesis : e
n
– e
n - 1
∑e
n 2
∑
45 Ho : Tidak ada autokorelasi
Ha : Ada autokorelasi positif negatif Kriteria Pengujian :
Ho diterima jika nilai D
w
diantara angka -2 d 2 nilai Durbin Watson hitung mendekati atau sekitar angka 2.
Untuk mendiagnosis adanya autokorelasi dalam suatu model regresi dilakukan melalui pengujian terhadap nilai Uji Durbin Watson
Uji D
w
dengan ketentuan sebagai berikut :
Tabel 3.2
Pedoman Untuk Memberikan Interpretasi Uji Durbin Watson
D
w
Kesimpulan Kurang dari 1,10
1,10 dan 1,54 1,55 dan 2,46
2,47 dan 2,90 Lebih dari 2,91
Ada Autokorelasi Tanpa Kesimpulan
Tidak ada Autokorelasi Tanpa Kesimpulan
Ada Autokorelasi Siti Hajar, 2008:44
4. Uji Hipotesis
