suatu garis regresi dengan jalan meminimalkan jumlah kuadrat kesalahan setiap observasi terhadap garis tersebut. Tujuan utama regresi adalah mengestimasi
fungsi regresi populasi berdasarkan fungsi regresi sampel. Asumsi utama yang mendasari model regresi dengan menggunakan metode Ordinary Least Square
OLS adalah normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi.
4.6.1.1. Uji normalitas
Asumsi distribusi normal dilakukan dengan menggunakan pengujian Kolmogorov-Smirnov. Pengujian dengan metode ini menyatakan jika nilai
Kolmogorov-Smirnov memiliki probabilitas lebih besar dari 0.05, maka variabel penelitian tersebut dapat dinyatakan berdistribusi normal Cara lainnya adalah
pengujian normalitas dengan menggunakan grafik Normal Probability Plot. Jika data mengikuti garis normal pada grafik Normal Probability Plot maka data
diasumsikan berdistribusi normal. Ghozali, 2009.
4.6.1.2. Uji multikolinieritas
Multikolineritas adalah situasinya tidak adanya korelasi variabel-variabel bebas diantara satu dengan yang lain. Untuk mendeteksi ada tidaknya
multikolinieritas dalam model regresi dapat dilihat dari nilai Tolerance dan Variance Inflation Fector VIF. Tolerance mengukur variabilitas variabel bebas
yang terpilih yang tidak dapat dijelaskan dalam variabel bebas lainnya. Jika nilai tolerance lebih besar dari 0.10 atau VIF lebih kecil dari 10 maka tidak terjadi
multikolineritas Ghozali, 2009.
Universitas Sumatera Utara
4.6.1.3. Uji heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas atau tidak terjadi heteroskedastisitas. Cara
untuk mendeteksi ada tidaknya heteroskedastisitas yaitu dengan cara melihat grafik plot antara nilai prediksi variabel terikat dengan residualnya. Deteksi ada
tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik sccatterplot Ghozali, 2009.
4.6.1.4. Uji autokorelasi
Autokorelasi yaitu adanya hubungan kesalahan penggangu yang muncul pada data runtut waktu time series. Uji autokorelasi bertujuan untuk menguji
apakah dalam suatu model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Hal ini sering
ditemukan pada data runtut waktu atau time series karena gangguan pada kelompokindividu yang sama pada periode berikutnya. Jika antar residual tidak
terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Pengujian autokorelasi dalam penelitian ini dilakukan dengan Run Test
Ghozali, 2009.
4.6.2. Pengujian hipotesis