48
3.8 Teknik Analisis Data
3.8.1 Uji Asumsi Klasik
Suatu model dikatakan baik untuk alat prediksi apabila mempunyai sifat- sifat tidak bias sebagai suatu penafsir. Di samping itusuatu model dikatakan cukup
baik dan dikatakan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi klasik yang melandasinya.
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar terbebas dari adanya gejala
heteroskedastisitas, gejala multikolinearitas, dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah
memenuhi persyaratan BLUE Best Linear Unbiased Estimator yakni tidak terdapat heteroskedastisitas, tidak terdapat multikolinearitas, dan tidak terdapat
autokorelasi Sudrajat, 1988:164. Oleh karena itu, uji asumsi klasik perlu dilakukan. Pengujian-pengujian
yang dilakukan adalah sebagai berikut:
3.8.1.1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali,2013:160.
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Pengujian yang paling tepat pada uji normalitas adalah uji statistik non-parametrik Kolmogrov-Smirnov KS. Konsep dasar dari uji Kolmogrov-Smirnov adalah
dengan membandingkan distribusi data yang akan diuji normalitasnya dengan
49
distribusi normal baku. Distribusi Normal baku adalah data yang telah ditransformasikan dalam bentuk Z-Score dan diasumsikan normal. Jadi
sebenarnya uji Kolmogrov-Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Apabila nilai signifikansi dari uji
Kolmogrov-Smirnov 0,05 maka data distribusi normal Ghozali, 2013:165.
3.8.1.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas
Ghozali, 2006:105. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas.
Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen dengan taraf signifikansi 5, maka ada indikasi terjadi
heteroskedastisitas. Heteroskedastisitas muncul apabila kesalahan atau residual dari model
yang diamati tidak memiliki varians yang konstant dari satu observasi ke observasi lainnya Hanke Reitsch,1998:259. Artinya, setiap observasi
mempunyai reliabilitas yang berbeda akibat perubahan dalam kondisi yang melatarbelakangi
tidak terangkum
dalam spesifikasi
model. Gejala
heteroskedastisitas lebih sering dijumpai dijumpai dalam data silang tempat daripada runtut waktu, maupun juga sering muncul dalam analisis yang
menggunakan data rata-rata Ananta, 1987:62-63.
50
3.8.1.3 Uji Multikolinearitas