44
varian, maksimum, minimum, sum, range, kurtosis, dan skewness kemencengan distribusi.
3.8.2 Pengujian Asumsi Klasik
Penengujian asumsi klasik disebut juga dengan pengujian asumsi atas analisa multivariate. Uji asumsi klasik adalah persyaratan statistik yang harus
dipenuhi pada analisis regresi linier berganda yang berbasis ordinary least square OLS. Tujuan dari dilakukannnya pengujian ini adalah untuk menghindari atau
mengurangi bias atas hasil penelitian yang diperoleh. Uji asumsi klasik ini terdiri atas uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji
autokorelasi. Pengujian regresi linier berganda dapat dilakukan apabila data yang diteliti dapat terdistribusi secara normal, tidak terdapat multikolinearitas,
heterokedasitas, dan autokorelasi.
3.8.2.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Dalam
Erlina 2011, ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu:
1. Analisis grafik
Untuk melakukan pengujian normalitas dengan analisis grafik dapat dengan melihat grafik histogram dan normal probability plot.
2. Analisis statistik
Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk
Universitas Sumatera Utara
45
menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-S
3.8.2.2 Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada tidaknya hubungan yang linear antara variabel independen satu dengan variabel independen
lainnya.Frisch dalam Sudarmanto 2013:224 menjelaskan bahwa “istilah multikolinearitas berarti adanya hubungan linear yang sempurna atau pasti,
diantara beberapa atau semua variabel yang menjelaskan dari model regresi”. Ada tidaknya hubungan atau korelasi antarvariabel independen dapat
diketahui dengan melihat nilai Tolerance. Jika nilai Tolerance lebih besar daripada 0,10, maka diindikasikan tidak terjadi gejala multikolineartitas, namun
jika nilai Tolerance lebih kecil daripada atau sama dengan 0,10, maka diindikasikan terjadi gejala multikolinearitas.
Selain itu, gejala multikolinearitas juga dapat diketahui dengan memanfaatkan statistik korelasi Varian Inflation Factor VIF.Kriteria yang
digunakan untuk mengetahui apakah ada gejala ada tidaknya multikolinearitas adalah harga koefisien VIF untuk masing-masing variabel independen lebih besar
daripada 10 atau tidak.Apabila harga koefisien VIF untuk masing-masing variabel independen lebih besar daripada 10, maka variabel tersebut diindikasikan
memiliki gejala multikolinearitas.
3.8.2.3 Uji Heteroskedastisitas
Gozhali 2013 : 139 “Pengujian heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varian dari
Universitas Sumatera Utara
46
residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas. Model regeresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas”.Cara mendeteksi ada atau
tidaknya heteroskedastisitas adalah dengan melihat grafik Scatterplot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya
SRESID.Deteksi ada tidaknya heteroskedastisitasnya dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan
ZPRED, dimana sumbu Y adalah yang telah diprediksi dan sumbu X residual Y prediksi-Y sesungguhnya yang telah distandarisasi. Dasar analisis
heteroskedasitas, sebagai berikut: a
Jika ada pola tertentu, seperti titik yang membentuk pola yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan
telah terjadi heterodastisitas. b
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan bawah angka 0 pada sumbu Y, maka tidak heterokedastisitas.
3.8.2.4 Uji Autokorelasi