4.5.1 Uji Normalitas
Histogram residual menyediakan pemeriksaan atas asumsi normalitas. Umumnya, perbedaan dari bentuk kurva bentuk bel tidak mengurangi kesimpulan
dari pengujian atau prediksi interval berbasis distribusi t, khususnya apabila kumpulan datanya besar. Pelanggaran asumsi normalitas sendiri biasanya tidak
separah pelanggaran asumsi-asumsi lain. Apabila plot residual terhadap nilai yang disesuaikan menunjukkan bahwa
sifat umum hubungan Y dengan X membentuk suatu kurva dan bukannya garis lurus, maka transformasi data yang tepat akan mengurangi suatu hubungan non-
linier menjadi sesuatu yang diperkirakan linier. Salah satu metode yang digunakan untuk menguji apakah error term menyebar normal atau tidak adalah
dengan menggunakan metode Kolmogorov Simornov. Langkah-langkah analisis dengan pengujian ini adalah :
1. Perumusan model
H : sebaran data normal
H
1
: sebaran data tidak normal 2. Rumus uji Kolmogorov Simornov KS adalah :
n x
m n
x m
x D
x 4
X
Max
=
Dimana : M
= kelompok data 1 n
= kelompok data 2 D
= perbedaan maksimal kelompok data 3. Penentuan penerimaan atau penolakan H
KS
hitung
KS
tabel
maka terima H KS
hitung
KS
tabel
maka tolak H
4.5.2 Uji Multikolinieritas
Dalam model regresi linier yang mencakup lebih dari dua variabel bebas, sering dijumpai adanya koliner ganda multikoliner. Multikolinieritas merupakan
kondisi dimana terdapat hubungan linier di antara dua atau beberapa variabel bebas.
Adanya multikoliner menyebabkan pendugaan koefisien regresi tidak nyata walaupun nilai R
2
tinggi, tanda koefisien tidak sesuai dengan teori dan dengan metode OLS, penduga koefisien regresi mempunyai simpangan baku
yang sangat besar. Pengujian multikolinier dapat dilakukan dengan memperhatikan nilai Variance Inflation Factor VIF untuk koefisien regresi ke-j
yang dapat dirumuskan sebagai berikut :
1 1
2 j
R VIF
− =
,j = ,2,3,...,k Rj
2
yang dimaksud adalah koefisien determinasi dari regresi variabel tak bebas ke j pada k-1 variabel tak bebas sisanya untuk k = 2 variabel tak bebas,
Rj
2
adalah kuadrat dari korelasi sempel r. Apabila variabel prediktor X ke j tidak berkaitan dengan X sisa, maka Rj
2
= 0. Apabila terdapat hubungan, maka VIFj 1. Nilai VIF mendekati satu menunjukkan bahwa tidak terdapat masalah
multikolinier pada variabel bebas. Apabila nilai VIF lebih besar dari satu menunjukkna bahwa koefisien estimasi terkait dengan variabel bebas dan
bersifat tidak stabil Hanke, 2003. Koefisien yang diestimasikan dan nilai t terkait tidak akan berubah banyak
begitu vaiabel bebas ditambahkan atau dikeluarkan dari persamaan regresi. Nilainya beserta statistik t terkait dapat berubah cukup besar begitu variabel
bebas lain ditambahkan atau dikeluarkan dari persamaan regresi. Nilai VIF yang besar ini bermakna bahwa terdapat informasi berulang di antara variabel
prediktor. Informasi yang terkandung pada suatu variabel dengan VIF besar,
sudah dibawa oleh variabel prediktor lainnya. Multikolinieritas membuat interpretasi dampak masing-masing variabel prediktor terhadap respon semakin
sulit.
4.5.3 Uji Homoskedastisitas
Kategori