berbentuk linier didekati garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal, pola-pola titik yang terletak selain di ujung-ujung
plot masih berbentuk linier, meskipun ujung-ujung plot agak menyimpang dari garis lurus, dapat dikatakan bahwa sebaran data adalah menyebar normal.
3.9.1.2 Uji Heteroskedastisitas
Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan lain. Jika varians dari
residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas. Uji untuk mengetahui heteroskedastisitas ini adalah dengan
melihat penyebaran dari varians residual pada diagram pencar scatter plot. Analisis pada gambar scatter plot yang menyatakan model regresi linear berganda tidak
terdapat heteroskedastisitas Nugroho, 2005:63 jika:
1. titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0, 2. titik-titik data tidak mengumpul hanya di atas atau di bawah saja,
3. penyebaran titik-titik data tidak boleh membentuk bola bergelombang, melebar kemudian menyempit dan melebar kembali,
4. penyebaran titik-titik data sebaiknya tidak berpola.
3.9.1.3 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi di antara variabel independen Erlina, 2008. Pengujian ini
Universitas Sumatera Utara
diperlukan untuk mengetahui apakah ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model, jika terjadi korelasi,
maka terdapat masalah multikolinieritas. Model regresi yang baik tidak terdapat korelasi diantara variabel independen. Pendeteksiannya dengan menggunakan
tolerance value dan Variance Inflation Faktor VIF. jika nilai tolerance value 0,10
dan VIF 10 maka tidak terjadi multikolinieritas.
3.9.1.4 Uji Autokorelasi Menguji autokorelasi dalam suatu model dilakukan untuk mengetahui apakah
dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dan dengan kesalahan pengganggu pada periode t-1 sebelumnya, jika terjadi
korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Pengujian
asumsi ini, dilakukan dengan menggunakan uji Durbin Watson Durbin Watson Test, yaitu untuk menguji apakah terjadi serial atau tidak dengan menghitung nilai d
statistik. Pengujian yang digunakan untuk mengetahui adanya autokorelasi adalah dengan memakai uji statistik Durbin Watson DW test, jika nilai Durbin Watson
berada antara -2 sampai +2 berarti tidak ada autokorelasi Nugroho, 2005.
3.9.2 Pengujian Hipotesis
