3.10. Pengujian Asumsi Klasik
3.10.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Dalam uji t dan uji
F diasumsikan bahwa nilai residual mengikuti distribusi normal. Ghozali 2005 menyatan pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran
data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Adapun yang menjadi dasar pengambilan keputusan adalah:
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. 2. Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas.
3.10.2. Uji Multikolenieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independent. Model regresi yang baik
seharusnya tidak terjadi korelasi antara variabel independent. Menurut Ghozali 2005 bahwa, jika variabel independent saling berkorelasi, maka variabel ini
tidak orthogonal. Untuk mendeteksi ada tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
Universitas Sumatera Utara
1. Jika nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1, maka model dapat dikatakan terbebas
dari multikolinieritas. 2. Menganalisis matrik korelasi variabel-veriabel independen. Jika antara
variabel independen ada korelasi yang cukup tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi adanya multikolinieritas.
3.10.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual dari suatu pengamatan
kepengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika variance berbeda
disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Menurut Ghozali 2005 deteksi ada
tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu
pada grafik scatterplot antar sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual yang telah di-studentize. Dengan dasar analisi sebagai berikut:
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit maka
mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas serta titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
3.11. Metode Analisis Data