49
b. H
a
: Data residual tidak terdistribusi normal, apabila sig. 2-tailed α
= 0.05 Adapun kriteria untuk menentukan normal atau tidaknya data, maka
dapat dilihat dari nilai probabilitasnya. Data adalah normal, jika nilai Kolmogorov Smirnov adalah tidak signifikan Asym. Sig 2-tailed
α0,05.
b. Multikolinearitas
Multikolinearitas biasanya terjadi ketika sebagian besar variabel yang digunakan saling terkait dalam suatu model regresi. Oleh karena itu
masalah multikolinearitas tidak terjadi pada regresi linier sederhana yang hanya melibatkan satu variabel independen.
Menurut Ghozali 2011:105: ‘’uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar
variabel bebas independen’’. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen
saling berkolerasi, maka variabel-variabel ini tidak orgonal. Variabel orgonal adalah variabel independen yang nilai korelasi antar sesama
variabel independen sama dengan nol Ghozali 2011:105. Multikolinearitas digunakan untuk menguji apakah pada model
regresi ditemukan adanya korelasi yang kuat antar variabel independen. Cara yang digunakan untuk menilainya adalah dengan melihat faktor
inflasi varian Variance Inflasi Factor VIF, yang tidak melebihi 4 atau 5.
Universitas Sumatera Utara
50
Dasar pengambilan keputusan dengan tolerance value atau variance inflation factor VIF dapat disimpulkan sebagai berikut :
1. Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model
regresi. 2. Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan
bahwa ada multikolinearitas antar variabel independen dalam model regresi.
c. Heterokedastisitas
Heterokedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari suatu pengamatan
yang lain. Jika varians residual dari satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut
heterokedastisitas. Model yang baik adalah tidak terjadi heterokedastisitas. Dasar pengambilan keputusan adalah jika pola tertentu seperti titik-
titik poin-poin yang ada membentuk suatu pola tertentu yang teratur, maka terjadi heterokedastisitas. Jika tidak ada pola yang jelas, serta titik-titik poin-
poin menyebar di bawah dan di atas angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas Santoso, 2004:208.
Analisis dengan Grafik Plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting.
Semakin sedikit jumlah pengamatan, semakin sulit untuk mengintepretasikan hasil grafik plot Ghozali, 2011:141. Untuk itu, digunakan cara lain untuk
Universitas Sumatera Utara
51
menutupi kelemahan dari analisis Grafik Plots digunakan analisis statistik lainnya yaitu dengan cara uji Glejser, dilakukan dengan meregresikan
variabel-variabel bebas terhadap nilai absolut residualnya. Menurut Ghozali 2011:139 dasar analisis untuk menentukan ada atau tidaknya
heteroskedastisitas dengan scatterplot yaitu : a. Jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola
tertentu, yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik –titik menyebar diatas dan
dibawah angka
nol pada
sumbu Y,
maka tidak
terjadi heteroskedastisitas.
Adapun kriteria penarikan kesimpulan dengan uji Glejser adalah : tidak terjadi heterokedastisitas jika nilai t dengan probabilitas sig 0,05
yang dimana nilai itu dilihat pada tabel output yakni pada tabel Coefficients.
c. Autokorelasi
