Dasar pengambilan keputusan menggunakan uji statistik dengan Kolmogorov-Smirnov Z 1-Sample K-S adalah Ghozali, 2009:
1. Jika nilai
Asymp. Sig. 2-tailed
kurang dari 0,05 maka H0 ditolak, dimana H0 adalah data terdistribusi secara normal. Hal ini berarti data residual
tidak berdistribusi normal. 2.
Jika nilai
Asymp. Sig. 2-tailed
lebih dari 0,05 maka H0 diterima dan HA yang merupakan data tidak berdistribusi normal ditolak. Hal ini berarti
data residual berdistribusi normal.
3.5.2.2 Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variable bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi antar variabel bebas independen Ghozali, 2009. Untuk mendeteksi ada atau tidaknya multikolonieritas, dapat dilihat dari
nilai
tolerance
dan lawannya
variance inflation factor
VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang yang dijelaskan oleh
variabel independen lainnya.
Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya.
Jadi nilai tolerance yang rendah sama dengan VIF tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolonierit as adalah nilai tolerance ≤ 0,10 atau sama dengan nilai VIF ≥ 10.
3.5.2.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model
regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas
Ghozali, 2009.
Untuk mengetahui
ada tidaknya
Heteroskedastisitas, pada penelitian ini diuji dengan melihat grafik scatterplot antara nilai prediksi variabel dependen ZPRED dengan nilai residualnya
SRESID. Dasar pengambilan keputusan dalam mendeteksi ada atau tidaknya Heteroskedastisitas adalah sebagai berikut Ghozali, 2009:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi Heteroskedastisitas.
2. Jika ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah
angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
3.5.2.4 Uji autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara ksalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal
ini sering ditemukan pada data runtut waktu
time series
karena ”gangguan” pada seorang individukelompok cenderung mempengaruhi ”gangguan” pada
individukelompok yang sama pada periode berikutnya. Model regresi yang baik
adalah regresi yang bebas dari autokorelasi.
Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi dalam penelitian yaitu menggunakan uji Lagrange Multiplier LM
test karena dalam penelitian ini sampel yang digunakan besar. Uji autokorelasi dengan menggunakan uji Lagrange Multiplier digunakan untuk sampel besar di
atas 100 observasi. Uji Lagrange Multiplier ini akan menghasilkan statistik Breusch-Godfrey. Pengujian Breusch-Godfrey BG test dilakukan dengan
meregres variabel pengganggu residual ut menggunakan autogressive model dengan orde p :
Ut = ρ1Ut-1 + ρ2Ut-2 + ... + ρpUt-ρ + εt Dengan hipotesis nol H0 adalah ρ1= ρ2=...=ρp=0, dimana koefisien
autogressive secara simultan sama dengan nol, menunjukkan bahwa tidak terdapat autokorelasi pada setiap orde. Jika pada tabel
coefficients
signifikansi RES_2 di bawah 0,05 berarti ada autokorelasi, sedangkan jika angka tersebut di atas 0,05
berarti tidak ada autokorelasi.
3.5.3 Analisis Regresi Berganda