Uji Asumsi Klasik Teknik Analisis Data .1 Statistik Deskriptif

45

3.7.2 Uji Asumsi Klasik

Sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi maka diperlukan pengujian asumsi klasik meliputi: 1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Menurut Ghozali 2006:56 ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu “dengan analisis grafik dan uji statistik”. Sedangkan syarat dalam analisis parametrik menurut Priyatno 2009: 56 yait u “distribusi data harus normal”. 2. Uji Multikolinieritas Menurut Ghozali 2006: 91 uji multikolinieritas bertujuan “untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen”. Menurut lubis, dkk 2007 menyatakan bahwa : ketentuan untuk mendeteksi ada tidaknya multikolinieritas yaitu jika nilai variance inflation factor VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas dari multikolinieritas. VIF = 1Tolerance, jika VIF = 0 maka Tolerance = 110 = 0,1. Semakin tinggi VIF maka semakin rendah tolerance. Jika nilai koefisien kolerasi antara masing-masing variabel independen kurang dari 0,70, maka model sdapat dinyatakan bebas dari asumsi klasik multikolinieritas. Jika lebih dari 0,70 maka diasumsikan terjadi kolerasi yang sangat kuat antar variabel independen sehingga terjadi multikolinieritas. Universitas Sumatera Utara 46 Sedangkan menurut Ghozali 2006 menyata kan bahwa “ketentuan dalam melihat multikolinieritas adalah jika antar variabel independen ada korelasi yang cukup tinggi yaitu diatas 0,90” 3. Uji Heteroskedastisitas Menurut Ghozali 2006: 105 uji heteroskedastisitas bertujuan “menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan kepengamatan lain jika variance dari residual satu pengamatan kepengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas ”. Menurut lubis, dkk 2007 menyatakan bahwa : Cara memprediksi heteroskedastisitas adalah jika pola gambar scatterplot model tersebut adalah titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang, melebar kemudian menyempit dan melebar kembali. Penyebaran titik-titik data sebaiknya tidak berpola. 4. Uji Autokorelasi Menurut Ghozali 2006: 95 uji autokorelasi bertujuan “menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya, jika terjadi korelasi, maka dinamakan ada problem autokorelasi ”. Menurut Priyatno 2009 “dampak yang diakibatkan dengan adanya autokorelasi yaitu varian sampel Universitas Sumatera Utara 47 tidak dapat menggambarkan varian populasinya. Untuk mendeteksi ada tidaknya autokorelasi dengan dilakukan uji Durbin-Watson. Jika nilai Durbin Watson berada diantara -2 sampai +2 berarti tidak ada autokore lasi”.

5.7.3 Model Regresi Linear Berganda