mengikuti sebaran normal, dalam penelitian ini digunakan metode Kolmogorov Smirnov.
Sumarsono 2004:43 mengemukakan bahwa pedoman dalam mengambil keputusan adalah sebagai berikut
: 1.
Jika nilai signifikan nilai probabilitasnya lebih kecil dari 5 maka distribusinya adalah tidak normal.
2. Jika nilai signifikan nilai probabilitasnya lebih besar dari 5 maka
distribusinya adalah normal.
3.4.2 Uji Asumsi Klasik Regresi linier berganda yang menggunakan persamaan Y =
β +
β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ e . Persamaan dari regresi diatas haruslah bersifat BLUE best linear
unbiased estimator, yang artinya bahwa pengambilan keputusan melalui suatu uji F dan uji T tidak boleh bias. Hal tersebut akan terpenuhi bila plot antara nilai
residual dan nilai prediksi tidak membentuk suatu pola tertentu atau acak. Kondisi tersebut akan terjadi bila dipenuhi beberapa asumsi yang disebut dengan asumsi
klasik sebagai berikut : a.
Autokorelasi Uji autikorelasi tersebut bertujuan untuk menguji apakah dalam model
regresi linier tersebut ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi
korelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.
Identifikasi ada atau tidaknya gejala autokorelasi dapat dites dengan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
menghitung nilai Durbin Watson DW-test. Uji penelitian ini tidak dilakukan karena data penelitian ini bukan data time-series Ghozali 2006:92.
b. Multikolinearitas
Mengartikan bahwa antara variabel independent yang satu dengan yang lain dalam regresi berhubungan secara sempurna atau mendekati
kesempurnaan. Dugaan secara sederhana terhadap adanya multikolinearitas didalam model regresi.
Dari dugaan adanya multikolinearitas tersebut maka perlu adanya pembuktian atau identifikasi secara statistik ada atau tidaknya gejala
multikolinearitas yang dilakukan dengan cara menghitung Varance Inflations Factor VIF.
VIF menyatakan tingkat pembengkakan variance, apabila VIF dari 10 hal ini berarti terdapat multikolinearitas pada persamaan linear Ghozali
2006:95. c.
Heteroskedastisitas Tujuan dari penelitian adalah menguji apakah dalam model regresi terjadi
ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lainnya. Jadi variance dari residual satu ke pengamatan lain tetap, maka
disebut dengan Homokedastisitas, sedangkan jika berbeda maka disebut Heterokedastisitas. Model regresi yang baik adalah tidak mempunyai
heterokedastisitas Santoso, 2000:208. Menurut Santoso 2000:210, untuk mendeteksi adanya heterokedastisitas
adalah :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
- Nilai probabilitas 0,05 berarti bebas dari heterokedastisitas
- Nilai probabilitas 0,05 berarti terkena heterokedastisitas
3.4.3 Analisis Regresi Berganda
