Pengujian normalitas dilakukan dengan melihat nilai 2-tailed significant. Jika data memiliki tingkat signifikansi lebih besar dari
0,05 maka dapat disimpulkan bahwa H
a
diterima, sehingga dikatakan data berdistribusi normal.
b. Uji Asumsi Klasik
1. Uji Autokorelasi
Menurut Umar 2011, Uji Autokorelasi dilakukan untuk mengetahui apakah dalam sebuah model regresi linier terdapat
hubungan yang kuat baik positif maupun negatif antar data yang ada pada variabel-variabel penelitian. Data cross section akan
diuji apakah tedapat hubungan yang kuat di antara data pertama dengan kedua, data kedua dengan ketiga dan seterusnya. Jika ya,
maka terjadi autokorelasi. Hal ini akan menyebabkan informasi yang diberikan menjadi menyesatkan sering disebut spurious
atau nonsense regression. Oleh karena itu, perlu tindakan agar tidak terjadi autokorelasi. Uji autokorelasi dapat menggunakan
Uji Durbin-Watson. Hipotesis yang akan di uji dalam penelitian ini adalah:
tidak adanya autokorelasi, r = 0 dan ada
autokorelasi, r 0.
Tabel 1. Tabel Pengambilan Keputusan Uji Autokorelasi Nilai statistik
Hasil 0 d dl
Ada autokorelasi dl d du
Tidak ada keputusan du d 4-du
Tidak ada autokorelsi 4-du d 4-dl
Tidak ada keputusan 4-dl d 4
Ada autokorelasi
2. Uji Heteroskedastisitas
Menurut Umar 2011, Uji Heteroskedastisitas dilakukan untuk mengetahui apakah sebuah model regresi terjadi
ketidaksamaan varians dari residual suatu pengamatan ke pengatan lain. Jika varian dari residual suatu pengamatan ke
pengamatan lain tetap, disebut homoskedastisitas, sementara itu untuk varians yang berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah tidak terjadi heteroskedastisitas. Terdapat beberapa cara lain untuk mengetahui ada atau tidaknya
heteroskedastisitas, yaitu dengan menggunakan berbagai tes, seperti Park Test, Glejser Test, dan
White’s General Heteroscedasticity Test.
Cara yang digunakan untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam penelitian ini, menggunakan Uji
Glejser yaitu meregres nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
memperngaruhi variabel dependen, maka ada indikasi terjadi
