xxxviii data residual normal, maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya. 2. Analisis Statistik
Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan nilai Z- skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas
residual adalah uji statistik non parametrik Kolmograv-Smirnov K-S. Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan
distribusi normal berdasarkan uji Kolmograv-Smirnov dapat dilihat dari : a. Nilai Sig. Atau signifikan atau probabilitas 0,05, maka distribusi data adalah
tidak normal. b. Nilai Sig. Atau signifikan atau probabilitas 0,05, maka distribusi data adalah
normal.
4. Pengujian Heterokedastisitas
Suatu model dikatakan terdapat gejala heterokedastisitas jika koefisien parameter beta persamaan regresi tersebut signifikan secara statistik. Sebaliknya, jika parameter
beta tidak signifikan secara statistik, hal ini menunjukkan bahwa data model empiris yang diestimasi tidak terdapat heterokedastisitas Erlina, Mulyani 2007:108.
Ada beberapa cara yang dapat dipakai untuk mendeteksi ada atau tidaknya heterokedastisitas. Dalam penelitian ini menggunakan grafik scatteplot dengan dasar
analisis: 1.
Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratus maka mengindikasikan telah terjadi heterokedastisitas.
Universitas Sumatera Utara
xxxix 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah
angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
5. Pengujian Multikolinearitas
Menurut Ghozali 2005:91, untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut :
1. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independennya banyak yang
tidak signifikan mempengaruhi varaibel dependen. 2. Menganalisis matrik korelasi varaibal-variabel independen. Jika antar variabel
independen ada korelasi yang cukup tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang
tinggi antar variabel independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan kerana adanya efek atau kombinasi dua
atau lebih variabel independen. 3.
Multikolinearitas dapat juga dilihat dari : nilai tolerance dan lawannya serta Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap
variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi
variabel dependen dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan oleh variabel independen lainnya. Jika nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance. Nilai cutoff yang
Universitas Sumatera Utara
xl umumdipakai untuk menunjukkan adanya multikolinearitas adalah nilai
tolerance 0,10 atau sama dengan nilai VIF 10.
6. Pengujian Autokorelasi