54
Untuk mengetahui apakah model regresi benar – benar menunjukkan hubungan yang signifikan dan representative atau disebut BLUE Best
Linier Unbiased Estimator, maka model tersebut harus memenuhi asumsi klasik regresi, untuk itu dilakukannya uji normalitas, uji autokorelasi, uji
multikolinearitas dan uji heteroskedastisitas.
3.6.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Cara yang dapat digunakan untuk menguji apakah variabel pengganggu atau residual memiliki distribusi normal adalah dengan
melakukan uji Kolmogorov-Smirnov terhadap model yang diuji. Kriteria pengambilan keputusan adalah apabila nilai signifikansi atau
probabilitas 0,05, maka residual memiliki distribusi normal dan apabila nilai signifikansi atau probabilitas 0,05, maka residual tidak
memiliki distribusi normal. Uji normalitas juga dapat dilakukan dengan melakukan
analisis grafik normal probability plot dan grafik histogram. Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali
2005:110 sebagai berikut : 1 jika data menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas, dan
2 jika data menyebar dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogramnya tidak menunjukkan
55
pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.6.2.2. Uji Autokorelasi
Uji autokorelasi akan muncul bila data yang dipakai runtut waktu time series. “Autokorelasi akan muncul bila data sesudahnya
merupakan fungsi data sebelumnya atau data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada tempat data
tersebut terjadi” Ghozali,2005:175. Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara
kesalahan pengganggu pada periode t-1 sebelumnya, jika terjadi autokorelasi maka dapat diatasi dengan melakukan transformasi data
atau dengan menambah jumlah observasi. Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji
Durbin Watson. Pengambilan keputusan ada tidaknya autokorelasi menurut Durbin Watson dapat dilihat pada tabel 3.3 berikut.
Tabel 3.3 Pengambilan Keputusan oleh uji Durbin Watson
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0ddl
Tidak ada autokorelasi positif No decision
dl ≤d≤du
Tidak ada autokorelasi negative Tolak
4-dld4 Tidak ada autokorelasi negative
No decision 4-du
≤d≤4-dl Tidak ada autokorelasi positif
maupun negative Tidak ditolak
dud4-du
56
3.6.2.3 Uji Multikolinearitas
