4.6.1. Pengujian Asumsi Klasik
Sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi maka diperlukan pengujian asumsi klasik
4.6.1.1. Uji Normalitas
Menurut Ghozali 2005 uji normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang digunakan dalam penelitian. Data
yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal. Untuk menguji apakah distribusi normal atau
tidak dapat dilihat melalui normal probability plot dengan membandingkan distribusi kumulatif dan distribusi normal. Data normal
akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan garis diagonal Jika distribusi data adalah normal,
maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah analisis grafik dan uji statistik. Uji normalitas
data dilakukan dengan uji kolmogoorov smirnov, distribusi data dikatakan normal jika signifikansi 0,05.
4.6.1.2. Uji Multikolinearitas
Menurut Ghaozali 2005 Uji Multikolinieritas bertujuan untuk menguji apakah model regresi yang ditemukan adanya korelasi antar
variabel bebas independen. Model regresi yang baik seharusnya tidak
Universitas Sumatera Utara
terjadi korelasi diantara variabel independen. Deteksi multikolinieritas pada suatu model dapat dilihat jika nilai Variance Inflation Factor VIF
tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1, maka model tersebut dapat dikatakan terbebas dari multikolinieritas. VIF =
1Tolerance, jika VIF = 10 maka Tolerance = 110 = 0,1.
4.6.1.3. Uji Autokorelasi
Menurut Gozali 2005 Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan ada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual atau kesalahan pengganggu tidak bebas dari satu observasi ke
observasi lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena gangguan pada individukelompok cenderung
mempengaruhi gangguan pada individukelompok yang sama pada periode berikutnya.
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pada penelitian ini, uji autokorelasi dilakukan dengan
dengan Uji Durbin Watson, karena uji ini yang umum digunakan. Uji ini hanya digunakan untuk autokorelasi tingkat pertama first order
autokorelasi dan mensyaratkan adanya intercept konstanta dalam model regresi. Menurut Santoso 2002, pengambilan keputusan ada
tidaknya autokorelasi adalah sebagai berikut:
Universitas Sumatera Utara
1 Angka D-W di bawah -2 berarti ada autokorelasi positif. 2 Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi.
3 Angka D-W di atas +2 berarti ada autokorelasi negatif.
4.6.1.4. Uji Heteroskedastisitas
Kategori