56
2. Jika nilai signfikan nilai probabilitasnya lebih besar dari 5 maka
distribusi adalah normal. Data yang tidak terdistribusi secara normal dapat ditransformasi
agar menjadi normal. Untuk menormalkan data kita harus tahu terlebih dahulu bagaimana bentuk grafik histogram dari data yang ada apakah
moderate positive skewness, subtansial positive swekness, severe positive skewness dengan bentuk L dsb. Dengan mengetahui bentuk grafik
histogram kita dapat menentukan bentuk transformasinya Ghozali, 2006 : 96.
3.5. Teknik Analisis dan Uji Hipotesis
3.5.1. Uji Asumsi Klasik
Uji asumsi klasik menyatakan bahwa persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan
keputusan melalui uji F dan uji t tidak boleh bias. Untuk mengahasilkan keputusan yang BLUE maka harus dipenuhi diantaranya tiga asumsi dasar
yang tidak boleh dilanggar oleh model regresi linier berganda, yaitu: 1.
Tidak terdapat multikolineritas 2.
Tidak terdapat heteroskedastisitas. 3.
Tidak terdapat autokorelasi. Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar
maka persamaan regresi linier yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias.
57
1 Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antarvariabel bebas independen
Ghozali, 2006 : 95. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen.
Salah satu cara yang digunakan untuk mengetahui ada tidaknya multikolinieritas yaitu dengan melihat besarnya nilai
Variance Inflation Factor VIF. VIF ini dapat dihitung dengan rumus:
1 VIF =
Tolerance
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi
nilai tolerance yang rendah sama dengan nilai VIF tinggi. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas
adalah nilai Tolerance ≤ 0.10 atau sama dengan nilai VIF ≥ 10
Ghozali, 2006 : 96.
2 Uji Autokorelasi
Autokorelasi bisa didefinisikan sebagai “korelasi di antara anggota observasi yang diurut menurut waktu seperti data deretan
58
berkala atau ruang seperti data lintas sektoral” Gujarati, 2007 : 112. Pengujian ini bertujuan untuk menguji apakah dalam model
regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya
Ghozali, 2006 : 99. Pendeteksian autokorelasi menurut Singgih 2001 : 219
yaitu panduan mengenai D – W Durbin – Watson untuk mendeteksi autokorelasi dilihat pada tabel D – W. Namun demikian
secara umum bisa diambil patokan : a.
Angka D – W dibawah –2 berarti ada autokorelasi positif. b.
Angka D – W diantara –2 sampai +2, berarti tidak ada autokorelasi.
c. Angka D – W diatas +2 berarti ada autokorelasi negatif.
Tindakan perbaikan menurut Singgih 2001 : 219 yaitu : a.
Melakukan transformasi data. b.
Menambah data
3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain Ghozali, 2006 : 125. Jika variace dari residual satu pengamatan ke pengamatan yang lain tetap,
maka disebut homoskedastisitas dan jika berbeda disebut
59
Heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi Heteroskedastisitas. Sedangkan kriteria pengujiannya adalah
adalah : a.
Nilai probabilitas 0,005 berarti bebas dari heteroskedastisitas.
b. Nilai probabilitas 0,005 berarti terkena dari
heteroskedastisitas.
3.5.2. Teknik Analisis Linear Berganda
