linier berganda. Uji asumsi klasik dilakukan agar model regresi pada penelitian signifikan dan representatif.
3.6.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang baik
memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi apakah variabel residual berdistribusi normal atau tidak yaitu dilakukan dengan analisis
nonparametrik Kolmogorof-Smirnov KS. Data berdistribusi normal jika nilai Z hitung lebih kecil dari Z tabel atau nilai signifikansi lebih besar dari 0,05.
3.6.2. Uji Multikolinieritas
Multikolinearitas adalah alat yang dipergunakan untuk mengetahui ada tidaknya hubungan yang kuat di antara variabel independen. Suatu model regresi
linear akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung multikolinearitas. Untuk mendeteksi ada tidaknya multikolinearitas
dapat dilihat dari nilai tolerance dan VIF. Jika nilai tolerance lebih besar dari 0,1 dan nilai VIF lebih kecil dari 10 maka data tidak mengalami multikolinieritas.
3.6.3. Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara residual satu observasi dengan residual observasi lainnya yang diurutkan menurut waktu.
Sehingga terdapat saling ketergantungan antara faktor pengganggu yang berhubungan dengan observasi yang dipengaruhi oleh unsur gangguan yang
berhubungan dengan pengamatan lainnya. Model regresi linear klasik mengasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak
Universitas Sumatera Utara
dipengaruhi oleh unsur disturbansi atau gangguan yang berhubungan dengan pengamatan lain manapun yang dilambangkan dengan:
E μi , μj = 0; i ≠ j. Menurut Ghozali 2009, gejala autokorelasi dapat dideteksi dengan
menggunakan uji Durbin Watson. Jika nilai statistik Durbin Watson berada diantara du DW 4-du, maka disimpulkan tidak terjadi autokorelasi.
3.7. Pengujian Hipotesis 3.7.1 Pengujian Secara Parsial Uji t
