26
Asumsi yang terdapat dalam uji normalitas dimaksudkan agar tidak terjadinya pernyimpangan dari sebaran skor secara signifikan atas distribusi
normal yang simetrik atau tidak menceng secara signifikan. Adapun pemahaman mengenai kurtosis terdapat dalam Sudarmanto 2013 yang menyatakan bahwa
Kurtosis, yaitu mengukur tentang kecuraman atau kedataran kurva simetrik atas distribusi skor. Bentuk kurva kurtosis ini pada
dasarnya simetrik berbeda dengan skewness atau kemencengan. Kurva kurtosis ini ada tiga macam tipe ketajaman, yaitu 1
Leptokurtic yaitu kurva simetrik yang memiliki bentuk sangat tajam sehingga distribusi skor lebih banyak menyebar di tengah,
2 Mesokurtic, yaitu kurva simetrik yang memiliki bentuk distribusi normal standar kurva normal, dan 3 Platykurtic, yaitu
kurva simetrik yang memiliki bentuk datar.
Pengujian normalitas ini digunakan untuk mengetahui apakah model regresi, variabel pengganggu atau residual memiliki distribusi yang normal atau
tidak Ghozali, 2006. Dalam penelitian Kusuma 2013 terdapat dua pedoman pengambilan keputusan untuk menentukan apakah distribusi data termasuk
normal atau tidak, yaitu: a.
Apabila nilai Sig atau signifikansi atau nilai probabilitas menunjukkan angka 0,05. Distribusi adalah tidak normal.
b. Apabila nilai Sig atau signifikansi atau nilai probabilitas menunjukkan
angka 0,05. Distribusi adalah normal dalam Ghozali, 2006.
3.5.1.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat hubungan korelasi antara variabel bebas independen ataukah tidak terhadap model regresi.
Jika model regresi terjadi korelasi di antara variabel-variabel independen, maka
27
variabel-variabel tersebut tidak orthogonal. Dan dapat dikatakan bahwa model regresi tersebut tidak baik. Variabel orthogonal adalah variabel independen yang
nilai korelasi antar sesama variabel independen sama dengan nol Ghozali, 2006. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model
regresi adalah sebagai berikut : a.
nilai �
2
yang dihasilkan adalah tinggi. Hal ini diperoleh dari suatu estimasi model regresi empiris. Walaupun secara
individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
b. Menganalisis matrik korelasi variabel-variabel independen yang
tinggi diatas 0.90 yang merupakan indikasi adanya multikolinearitas.
c. Multikolinearitas dapat juga dilihat dari 1 nilai tolerance dan
2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang
menjelaskan variabel independen lainnya. Nilai tolerance yang rendah menunjukkan nilai VIF yang tinggi karena VIF =
1Tolerance. Nilai cutoff yang dipakai untuk mengetahui adanya multikolinearitas adalah nilai Tolerance 0.10 atau
sama dengan nilai VIF 10.
3.5.1.3 Uji Heteroskedastisitas
Dengan melakukan uji heteroskedastisitas, dapat diketahui apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain
28
dalam model regresi. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, hal tersebut dinamakan Homoskedastisitas dan jika mengalami
perbedaan disebut Heteroskedastisitas. Model regresi yang baik adalah Homoskedastisitas atau tidak terjadi Heteroskedastisitas.
Heteroskedasitas dapat dilihat melalui grafik plot antara nilai prediksi variabel terikat dengan residualnya. Apabila terdapat titik-titik menyebar secara
acak pada pola grafik yang ditunjukkan tanpa pola yang jelas serta tersebar di atas maupun dibawah angka 0 pada sumbu Y, maka kesimpulannya adalah tidak
terjadi heteroskedastisitas. Selain grafik scatterplots, uji heteroskedastisitas juga dapat dilakukan dengan Uji Glejser. Jika probabilitas signifikan 0.05, maka
model regresi tidak mengandung heteroskedastisitas atau homoskedastisitas Ghozali, 2006.
3.5.1.4 Uji Autokorelasi
