bantuan program statistik. Menurut Ghozali 2005:123 asumsi klasik yang harus
dipenuhi adalah:
1. berdistribusi normal,
2. non-multikolinearitas, artinya antara variabel independen dalam model
regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna,
3. non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling korelasi, 4.
homoskedasitas, artinya variance variabel independen dari satu pengamatan ke pengamatan yang lain adalah konstan atau sama.
4.7.1.1. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu memiliki distribusi normal. Pengujian normalitas data dalam penelitian ini
dilakukan dengan dua cara, yaitu analisis grafik dan uji Kolmogorov-Smirnov. Asumsi normalitas dengan analisis grafik dapat dipenuhi
jika terdapat titik titik yang menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis
diagonalnya
dan asumsi normalitas dengan uji Kolmogorov-Smirnov terpenuhi jika nilai statistik Kolmogrov-Smirnov di atas tingkat signifikansi tertentu. Apabila nilai
signifikansi 0,05 maka distribusi data tidak normal dan bila nilai signifikansi 0,05 berarti distribusi normal Ghozali, 2005:115.
4.7.1.2. Uji Multikolinieritas
Universitas Sumatera Utara
Uji Multikolinieritas bertujuan untuk mengidentifikasi ada tidaknya hubungan antar variabel independen dalam model regresi. Model regresi yang baik seharusnya
tidak terjadi korelasi di antara variabel bebasnya Ghozali, 2005:91. Pengujian terhadap multikolinieritas dilakukan dengan menggunakan nilai VIF dan nilai tolerance.
Multikolinieritas terjadi jika VIF lebih dari 10 dan nilai tolerance dibawah 0.1.
4.7.1.3. Uji Heterokedasititas
Uji Heterokedasititas dilakukan untuk menguji apakah dalam sebuah model regresi telah terjadi ketidaksamaan varian dari residual atas suatu pengamatan lainnya.
Heterokedasititas merupakan keadaan di mana seluruh faktor pengganggu tidak memiliki varian yang sama untuk seluruh pengamatan atas variabel independen
Sudarmadji, 2007:A58. Untuk melihat ada tidaknya heterokedasititas dapat dilakukan dengan melihat grafik Scatterplot.
4.7.1.4. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode saat ini dengan kesalahan
pengganggu sebelumnya. Ghozali 2005:95 menyatakan bahwa “uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya ”. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin-
Watson. Kriteria untuk penilaian terjadinya autokorelasi yaitu : 1
Angka D-W di bawah -2 berarti ada autokorelasi positif. 2
Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi
Universitas Sumatera Utara
3 Angka D-W di atas +2 berarti ada autokorelasi negatif.
4.7.2. Pengujian Hipotesis 4.7.2.1. Uji F