49
3.6.1.1 Uji Normalitas
Sunjoyo, 2013:59 menyatakan bahwa “Uji normalitas berguna pada tahap awal dalam metode pemilihan analisis data.Uji normalitas berfungsi untuk
melihat apakah nilai residual terdistribusi normal atau tidak.Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal”.Cara yang
digunakan untuk mendeteksi apakah residual mengikuti berdistribusi normal atau tidak adalah dengan analisis grafik.Data yang menyebar di sekitar garis diagonal
atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, selain itu bisa juga melalui uji analisis
statistik. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogrov-Smirnov atau biasa disingkat K-S Ghozali, 2008 :
30 dalam Sunjoyo dkk, 2013:60. Uji K-S dibuat dengan membuat hipotesis : H
: Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Bila sig 0,05 dengan α = 5, berarti distribusi data normal H diterima, sebaliknya bila sig 0,05 dengan α = 5, berarti distribusi data tidak
normal Ha diterima.
3.6.1.2 Uji Multikolinieritas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam dalam suatu model regresi linear
berganda.Korelasi yang tinggi diantara variabel-variabel bebas menunjukkan hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu
Universitas Sumatera Utara
50
Sunjoyo, 2013:65. Mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut:
1. menganalisis matrik korelasi variabel-variabel independen, jika diantara
variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolonieritas,
2. multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya
2 variance inflation factor VIF, nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10 atau
sama dengan nilai VIF 10. Beberapa alternatif cara untuk mengatasi masalah multikolinearitas
menurut Erlina 2011:104 adalah sebagai berikut: a.
mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi,
b. menambah jumlah observasi atau menambah ukuran sampel,
c. mentransformasikan data kedalam bentuk lain misalnya logaritma natural,
akar kuadrat atau bentuk first difference delta, d.
dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan.
3.6.1.3 Uji Heterokedastisitas
Kategori