59
√ n – 2 t =
√ 1 – r
2
Dimana dengan ketentuan : bila t hitung lebih kecil dari t table t hitung t table, maka Ho ditolak.
bila t hitung lebih besar dari t table t hitung t table, maka Ho diterima.
3. Uji Asumsi Klasik
Sebelum pengujian hipotesis, juga diuji apakah terdapat penyimpangan asumsi klasik, diantaranya :
a. Uji Multikoliniearitas Istilah kolinearitas ganda multicolinearity diciptakan oleh
Ranger Fish di dalam bukunya “Statistical Confluence Analysis Be Means Of Complete Regression System” artinya istilah itu berarti
adanya hubungan linear yang sempurna atau eksak perfect exact diantara variabel
– variabel bebas dalam model regresi. Menurut Bhuono 2005:59 untuk mendeteksi multikolinieritas
pada suatu model dapat dilihat dari beberapa variabel dependen, Jika nilai Varians Inflation Faktor VIF tidak lebih dari 10 dan tolerande
tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinieritas VIF = 1Tolerance, jika VIF = 10 maka tolerance =
110 = 0,1 semakin tinggi VIF maka semakin rendah tolerance.
60 b. Uji Heterokedastisitas
Asumsi heteroskedastisitas ialah apabila variasi dari faktor pengganggu selalu sama pada data pengamatan yang satu ke data
pengamatan yang lain. Jika ciri ini terpengaruhi, berarti variasi faktor pengganggu pada kelompok data tersebut bersifat homoskedastik. Jika
asumsi itu tidak dapat dipenuhi, maka dapat dikatakan terjadi penyimpangan. Penyimpangan terhadap faktor pengganggu sedemikian
itu disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastis dan tidak terjadi heteroskedastisitas.
Menurut bhuono 2005:63-63 untuk mengetahui ada tidaknya heteroskedastisitas ada beberapa cara yaitu :
1. Melihara grafik polt antara nila prediksi variabel terikat ZPRED dengan
residualnya SRESID.
Deteksi ada
tidaknya heteroskedastisitas dengan melihat antara SRESID dan ZPRED
dimana sumbu Y adalah yang diprediksi dan sumbu X adalah residual.
2. Dasar analisis jika ada pola tertentu seperti titik-titik yang membentuk pola yang teratur bergelombang, melebar, kemudian
menyempit maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas secara titik-titik menyebar di atas dan
dibawah titik origin pada sumbu Y, maka tidak terjadi heterokedastisitas.
61 Menurut Bhuono 2005 : 62, cara untuk memprediksi ada
tidaknya heteroskedasitas pada suatu model dapat dilihat dari pola gambar Scartterplot model tersebut. analisis pada gambar scartterplot
yang menyatakan model regresi linear berganda tidak terdapat heterokesdastisitas jika :
1 Titik – titik data menyebar di atas dan di bawah atau di sekitar angka
0. 2 Titik
– titik data tidak mengumpul hanya di atas atau di bawah saja. 3 Penyebaran titik - titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali. 4 Penyebaran titik
– titik data sebaiknya tidak berpola. c. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependen, variabel independent atau keduanya
mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
Menurut Singgih Santoso 2004 : 24 ada beberapa cara mendeteksi normalitas dengan melihat penyebaran data titik pada
sumbu diagonal dari grafik. Dasar pengambilan keputusan dalam uji normalitas adalah :
1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka regresi memenuhi asumsi normalitas.
62 2 Jika data menyebar dari garis diagonal dan atau tiodak mengikuti
arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
4. Analisis Regresi Linear Berganda
