38
adalah data yang mempunyai pola seperti distribusi normal.Untuk melihat normalitas dapat dilakukan dengan melihat histogram atau pola distribusi data
normal.Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya.
Dasar pengambilan keputusannya adalah: 1. jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau garis 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. Dalam penelitian ini Peneliti menggunakan uji Kolmogorov-Smirnov K-S untuk
menguji normalitas data. Uji K-S dibuat dengan membuat hipotesis: H0 : data residual berdistribusi normal,
Ha : data residual tidak berdistribusi normal.
b. Uji Multikolinieritas
Menurut Ghozali 2013:105 , “uji ini bertujuan untuk menguji apakah
model regresi ditemukan adanya korelasi antar variabel independen.” Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen.Multikolinieritas adalah situasi adanya korelasi variabel- variabel independen antara yang satu dengan yang lainnya. Jika terjadi korelasi sempurna
diantara sesama variabel bebas, maka konsekuensinya adalah: 1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir,
Universitas Sumatera Utara
39
2. Nilai standar error setiap koefisien regresi menjadi tak terhingga. Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan
variance inflation factor VIF, serta dengan menganalisis matriks korelasi variabel-variabel independen. Nilai cut off yang umum dipakai untuk
menunjukkan adanya multikolinearitas adalah jika nilai VIF tidak lebih dari sepuluh dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan
terbebas dari multikolinieritas.
c. Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu pengamatan dengan
pengamatan yang lain. Menurut Ghozali 2013:139 Model regresi yang baik adalah yang Homoskesdatisitas atau tidak terjadi Heteroskedastisitas.Cara
memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang
menyatakan model regresi berganda tidak terdapat heteroskedastisitas jika: 1 titik-titik data menyebar di atas, di bawah atau di sekitar angka nol,
2 titik-titik data tidak mengumpul hanya di atas atau dibawah, 3 penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali, 4 penyebaran titik-titik data sebaiknya tidak berpola.
d. Uji Autokorelasi
