melakukan pengujian hipotesis yaitu uji asumsi klasik. Pengujian asumsi klasik yang dilakukan terdiri dari uji normalitas, uji multikolonieritas, uji
heteroskedastisitas dan uji autokorelasi. Untuk pengujian hipotesis, dilakukan analisis uji t dan uji F.
3.6.1. Pengujian asumsi klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam
penelitian ini adalah, uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.
1. Uji normalitas
“Uji normalitas bertujuan untuk menguji apakah variabel dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”
Ghozali, 2006 : 110. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Histogram atau pola
distribusi data normal dapat digunakan untuk melihat normalitas data. Uji Kolmogrov Smirnov, dalam uji pedoman yang digunakan dalam
pengambilan keputusan yaitu: a. jika nilai signifikansi 0,05 maka distribusi data tidak normal,
b. jika nilai signifikansi 0,05 maka distribusi data normal. Menurut Ghozali 2006 : 112, pada prinsipnya normalitas data dapat
dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan
keputusan :
Universitas Sumatera Utara
1 jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal,
maka model regresi memenuhi asumsi normalitas, 2 jika data menyebar jauh dari diagonal dan atau tidak mengikuti arahgaris
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
2. Uji multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Erlina dan Mulyani 2007 : 107, menyatakan “Multikolinearitas merupakan
kondisi dimana terjadi korelasi antar variabel - variabel independen suatu penelitian atau dengan kata lain bersifat ortogonal”. Variabel - variabel
independen yang bersifat ortogonal adalah variabel yang memiliki nilai korelasi di antara sesamanya sama dengan nol. Jika terjadi korelasi
sempurna diantara sesama variabel independen, maka konsekuensinya adalah:
a koefisien-koefisien regresi menjadi tidak dapat ditaksir b nilai standar error setiap koefisien regresi menjadi tak terhingga
Jika terjadi korelasi, maka terdapat problem multikolinearitas. Pengujian dilakukan dengan nilai VIF Variance Inflation Factor dari
model penelitian, jika nilai VIF di atas 2 maka dapat dikatakan bahwa telah terjadi gejala multikolinearitas dalam model penelitian. Di samping itu,
Universitas Sumatera Utara
“suatu model dikatakan terdapat gejala multikolinearitas, jika korelasi di antara variabel independen lebih besar dari 0,9” Ghozali, 2005 : 91.
Menurut Ghozali 2005, “cara yang dapat dilakukan jika terjadi multikolinearitas yaitu:
1. mengeluarkan salah satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi dan indentifikasi variabel independen
lainnya untuk membantu prediksi 2. menggabungkan data cross section dan time series pooling data
3. menambah data penelitian”.
3. Uji heteroskedastisitas
