plotnya data residual akan dibandingkan dengan garis diagonal. Jika distribusi residual normal, maka garis yang menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya. Analisis Statistik dapat dilakukan dengan menggunakan uji
statistik non parametrik Kolmogrov-Smirnov K-S. Dalam uji Kolmogrov-Smirnov, pedoman yang digunakan dalam pengambilan
keputusan yakni : 1 Jika nilai signifikan lebih besar dari 0.05 maka distribusi data normal.
2 Jika nilai signifikan lebih kecil dari 0.05 maka distribusi data tidak normal.
Beberapa cara untuk mengatasi distribusi tidak normal yaitu: 1. Dengan melakukan transformasi data ke bentuk lain, misalnya ke
dalam bentuk logaritma natural Ln. 2. Trimming, yaitu membuang data yang bersifat outlier. Data outlier
adalah data yang mempunyai nilai yang sangat menyimpang dari nilai data lainnya.
3. Winsorizing, yaitu mengubah nilai data outlier menjadi nilai maksimum atau minimum supaya distribusi menjadi normal.
3.7.2.2. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas Ghozali,
2013:105. Multikolonieritas adalah situasi dimana terjadinya korelasi antara variabel independen yang satu dengan yang lainnya. Model regresi
Universitas Sumatera Utara
yang baik adalah tidak terjadinya korelasi di antara variabel-variabel independen tersebut.
Multikolonieritas dapat dideteksi dengan melihat nilai tolerance value dan variance inflation factor VIF. Tolerance value mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya sementara VIF merupakan suatu estimasi
mengenai seberapa besar multikolonieritas meningkatkan varian pada suatu koefisien estimasi sebuah variabel independen. Nilai cutoff yang
umum dipakai untuk menunjukkan adanya multikolineritas adalah jika Tolerance
≤0,1 dan nilai VIF 10.
3.7.2.3. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2013:139. Model regresi yang baik adalah yang homokedastisitas
,
di mana pada nilai variabel independen tertentu, masing-masing kesalahan mempunyai nilai varian yang sama.
Jika model yang diperoleh ternyata tidak memenuhi asumsi tersebut maka dalam model tersebut terjadi heterokedastisitas.
Deteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat pola grafik scatterplot dengan dasar analisis:
1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heterokedastisitas,
Universitas Sumatera Utara
2. Jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
3.7.2.4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lainnya. Masalah ini muncul karena residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi
lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2013:110.
Pada penelitian ini, uji autokorelasi dilakukan dengan menggunakan uji Durbin-Watson. Pengambilan keputusan ada tidaknya
autokorelasi:
Tabel 3.3 Kriteria Autokorelasi
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl
≤ d ≤ du Tidak ada korelasi negatif
Tolak 4
_
dl d 4 Tidak ada korelasi negatif
No decision 4
_
du ≤ d ≤ 4
_
dl Tidak ada autokorelasi,
positif atau negatif Tidak ditolak
du d 4
_
du
Sumber : Ghozali 2013:111
Universitas Sumatera Utara
3.7.3. Pengujian Hipotesis Penelitian