klasik lainnya. Adapun pengujian asumsi klasik yang digunakan adalah sebagai berikut :
a. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Kalau nilai residual tidak mengikuti distribusi normal, uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2005:110. Menurut
Ghozali 2005:110, ”cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua, yaitu analisis grafik dan analisis statistik.
Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya”.
Dasar pengambilan keputusannya adalah: 1
jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola
berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
2 jika data menyebar jauh dari diagonal dan tidak mengikuti arah
garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi
normalitas. ”Uji statistik yang dapat digunakan untuk menguji normalitas residual
adalah uji statistik Kolmogorov-Smirnov K-S”, yang dijelaskan oleh Ghozali 2005:115. Uji K-S dibuat dengan membuat hipotesis:
Universitas Sumatera Utara
H : Data residual berdistribusi normal
H
a
: Data residual tidak berdistribusi normal Bila signifikansi 0,05 dengan
α = 5 berarti distribusi data normal dan H
diterima, sebaliknya bila nilai signifikan 0,05 berarti distribusi data tidak normal dan H
a
diterima. Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto
2004:172, yaitu: 1
dengan melakukan transformasi data ke bentuk lain, yaitu: Logaritma Natural, akar kuadrat, Logaritma 10,
2 lakukan trimming, yaitu memangkas observasi yang bersifat
outlier, 3
lakukan winsorizing, yaitu mengubah nilai-nilai data outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan
supaya distribusinya menjadi normal.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi diantara variabel independen. Model
regresi yang baik seharusnya menunjukkan tidak terjadinya korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya
korelasi variabel-variabel independen santara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel-variabel bebas tidak ortogonal.
Universitas Sumatera Utara
Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Model regresi yang baik seharusnya tidak ada korelasi antar variabel independen. Ada tidaknya multikolonieritas dapat dideteksi dengan
melihat: 1
melihat nilai tolerance, nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai tolerance 0,10, 2
melihat nilai variance inflation factor VIF, nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai VIF 10, 3
menganalisis matrik korelasi variabel-variabel independen, menurut Ghozali 2005:93 untuk matrik korelasi adanya indikasi
multikolonieritas dapat dilihat jika antar variabel independen ada korelasi yang cukup tinggi umumnya diatas 0,95,
4 membandingkan nilai R
2
model utama awal terhadap nilai R
2
dari masing-masing auxilary regression antar variabel independen,
dengan ketentuan Nilai R
2
model utama R
2
masing-masing auxilary regression antar variabel independen,
5 melihat nilai Condition Index CI,
Universitas Sumatera Utara
jika nilai CI antara 10 dan 30 terdapat multikolinearitas moderat ke kuat, sedangkan jika nilai CI 30 artinya terdapat multikolinearitas
sangat kuat. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka
konsekuensinya adalah: akoefisien-koefisien regresi menjadi tidak dapat ditaksir, bnilai standar error setiap regresi menjadi tak terhingga.
Apabila terjadi korelasi antara variabel independen, maka dinamakan terdapat problem multikolinearitas.
c. Uji Heteroskedastisitas