Uji Normalitas Uji Prasyarat Analisis Regresi

Tabel 1. Tabel Pengambilan Keputusan Uji Autokorelasi Nilai statistik Hasil 0 d dl Ada autokorelasi dl d du Tidak ada keputusan du d 4-du Tidak ada autokorelsi 4-du d 4-dl Tidak ada keputusan 4-dl d 4 Ada autokorelasi 2. Uji Heteroskedastisitas Menurut Umar 2011, Uji Heteroskedastisitas dilakukan untuk mengetahui apakah sebuah model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengatan lain. Jika varian dari residual suatu pengamatan ke pengamatan lain tetap, disebut homoskedastisitas, sementara itu untuk varians yang berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Terdapat beberapa cara lain untuk mengetahui ada atau tidaknya heteroskedastisitas, yaitu dengan menggunakan berbagai tes, seperti Park Test, Glejser Test, dan White’s General Heteroscedasticity Test. Cara yang digunakan untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam penelitian ini, menggunakan Uji Glejser yaitu meregres nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik memperngaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas Ghozali, 2011. Model regresi dapat disimpulkan tidak mengandung Heteroskedastisitas apabila dilihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. 3. Uji Multikolinieritas Menurut Umar 2011, Uji Multikolinieritas untuk mengetahui apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, terdapat masalah multikolinieritas yang harus diatasi. Multikolinieritas dapat dideteksi dengan cara sebagai berikut: a. Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen. b. Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0,90, maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.