X
2
= Pendapatan bunga kredit investasi X
3
= Pendapatan bunga kredit konsumsi X
4
= Pendapatan lain-lain X
5
= Total biaya e = Tingkat kesalahan
Ada beberapa asumsi yang harus dipenuhi oleh model regresi. Oleh karena itu diperlukan pengujian asumsi yang meliputi uji
normalitas, uji
multikolinearitas, uji
autokorelasi dan
uji heteroskedastisitas Susanti, 2007.
a. Uji Normalitas
Uji normalitas merupakan uji yang dilakukan untuk
mengetahui distribusi kenormalan data, yaitu apakah data dapat dianggap berdistribusi normal atau tidak. Uji ini dilakukan jika
sampel yang digunakan kurang dari 30. Ketika data telah berdistribusi
normal, maka
data tersebut
dapat diolah
menggunakan statistik parametrik yang pada penelitian ini menggunakan model regresi berganda. Untuk menguji kenormalan
data dilakukan dengan menguji kenormalan data residual. Uji normalitas dapat dilihat dengan melihat nilai statistik Kolmogorov-
Smirnov KS pada uji normalitas residual. Jika nilai statistik KS lebih kecil dibanding nilai tabel KS dan nilai p-value lebih besar
dari α, maka asumsi kenormalan terpenuhi sehingga model regresi yang telah dibuat dapat digunakan Iriawan dan Astusi, 2006.
b. Uji Multikolinearitas
Multikolinearitas adalah hubungan linear yang kuat antara peubah-peubah bebas dalam persamaan regresi berganda.
Multikolinearitas pada
permodelan regresi
menyebabkan pendugaan ragam koefisien regresi menjadi over estimate. Hal ini
menyebabkan pengujian
koefisien regresi
menghasilkan kesimpulan yang tidak nyata walaupun nilai R-squarenya tinggi
Saepudin, 2005.
Untuk melihat apakah ada multikolinearitas pada model regresi dilihat dari nilai variance inflation factor atau VIF. VIF
adalah besarnya kenaikan ragam peubah bebas ke-i akibat pengaruh peubah bebas yang lain. Jika nilai VIF masing-masing
peubah bebas memiliki nilai lebih besar dari 5 maka model regresi memiliki multikolinearitas sehingga menjadi tidak valid Iriawan
dan Astuti, 2006.
c. Uji Autokorelasi
Menurut Arief 2006 penaksiran model regresi linear memiliki asumsi bahwa tidak terdapat korelasi serial atau
autokorelasi. Autokorelasi atau korelasi serial kemungkinan terjadi pada data
time series. Model regresi yang baik tidak memperkenankan terjadinya autokorelasi. Akibat dari terjadinya
autokorelasi adalah pengujian hipotesis dalam uji F dan uji t menjadi tidak valid dan jika diterapkan akan memberikan
kesimpulan yang menyesatkan pada tingkat signifikansi dan koefisien regresi yang ditaksir.
Uji autokorelasi dengan perangkat lunak minitab melalui uji Run test residual. Jika hasil penghitungan didapatkan p-value lebih
besar dari α, menunjukkan tidak adanya autokorelasi.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varian dari
residual untuk peubah bebas yang diketahui. Jika varian dari residual untuk peubah yang diketahui tetap, disebut dengan
homoskedastisitas. Dan
jika varian
berbeda, disebut
heteroskedastisitas Arief, 2006. Asumsi pada model regresi adalah varian setiap variabel independen mempunyai nilai yang
konstan atau
memiliki varian
yang sama.
Masalah heteroskedastisitas umumnya terjadi pada data cross sectional.
Konsekuensi dari adanya heteroskedastisitas adalah kemungkinan untuk mengambil kesimpulan yang salah dalam uji F dan uji t
karena pengujian tingkat signifikansi yang kurang kuat Gujarati dalam Susanti, 2007.
Untuk melihat apakah pada model regresi terdapat heteroskedastisitas dilihat dari sebaran titik-titik yang tersebar pada
output perhitungan dengan perangkat lunak minitab. Sebaran titik- titik yang tidak membentuk pola tertentu namun tersebar di atas
dan di bawah nol menunjukkan bahwa model regresi tidak mengalami masalah heteroskedastisitas Iriawan dan Astuti, 2006.
e. Uji F
