Uji Asumsi Klasik

1. Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk mengetahui normalitas data, ada tidaknya gejala multikolenieritas, autokorelasi diantara variabel-variabel independen, dan heteroskedastisitas. Dalam uji asumsi klasik ini model analisis yang digunakan akan menghasilkan estimator yang tidak bias apabila memenuhi beberapa asumsi klasik sebagai berikut ini.

a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal (Ghozali, 2006). Dalam penelitian ini normalitas diuji dengan menggunakan uji statistik non-parametrik Kolmogorov-Smirnov (K-S) yang hasilnya di sajikan dalam tabel berikut :

Hasil Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

Normal Parameters a Mean

Std. Deviation

2.31669179 Most Extreme Differences Absolute

-0.105 Kolmogorov-Smirnov Z

0.854 Asymp. Sig. (2-tailed)

a. Test distribution is Normal . Sumber : Hasil Pengolahan Data

Hasil uji normalitas data dengan menggunakan uji statistik non- parametrik Kolmogorov-Smirnov (K-S) menunjukkan nilai signifikansi residual sebesar 0,460 nilainya di atas level of significance penelitian sebesar 5%, maka dapat dikatakan bahwa data dalam penelitian ini terdistribusi secara normal.

b. Uji Multikolenieritas Uji Multikolenieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen) (Ghozali, 2006). Ada dan tidaknya multikolenieritas dapat dilihat dari nilai Tolerance dan lawannya Variance Inflation Factor (VIF). Berdasarkan aturan VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0,01 maka dinyatakan terjadi gejala multikolenieritas. Sebaliknya, apabila nilai VIF kurang dari 10 atau Tolerance lebih dari 0,01 maka dinyatakan tidak terjadi gejala b. Uji Multikolenieritas Uji Multikolenieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen) (Ghozali, 2006). Ada dan tidaknya multikolenieritas dapat dilihat dari nilai Tolerance dan lawannya Variance Inflation Factor (VIF). Berdasarkan aturan VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0,01 maka dinyatakan terjadi gejala multikolenieritas. Sebaliknya, apabila nilai VIF kurang dari 10 atau Tolerance lebih dari 0,01 maka dinyatakan tidak terjadi gejala

Tabel 4.4 Hasil Uji Multikolenieritas

Variabel Tolerance

VIF

Keterangan MAN

Tidak terdapat multikolenieritas INST

Tidak terdapat multikolenieritas INDP

Tidak terdapat multikolenieritas INV

Tidak terdapat multikolenieritas DAN

Tidak terdapat multikolenieritas DEV

Tidak terdapat multikolenieritas

a. Dependent Variable: NP

Sumber : Hasil Pengolahan Data

Berdasarkan tabel 4.4 di atas, hasil perhitungan nilai Tolerance tidak menunjukkan bahwa ada variabel bebas yang memiliki nilai Tolerance kurang dari 0,1 dan tidak ada satupun variabel independen yang memiliki nilai Variance Inflation Factor (VIF) lebih dari 10. Maka dapat disimpulkan bahwa antara variabel bebas tidak terjadi multikolenieritas.

c. Uji Autokorelasi Uji autokolerasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (Ghozali, 2006). Untuk mendeteksi ada dan tidaknya autokorelasi dilakukan Run Test. Run Test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Run c. Uji Autokorelasi Uji autokolerasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (Ghozali, 2006). Untuk mendeteksi ada dan tidaknya autokorelasi dilakukan Run Test. Run Test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Run

Tabel 4.5

Hasil Uji Autokorelasi dengan Run test

Unstandardized Residual Test Value a -0.5175

Asymp. Sig. (2-tailed)

a. Median Sumber : Hasil Pengolahan Data

Hasil pengujian pada tabel 4.5 di atas menunjukkan bahwa nilai tes sebesar -0,5175 dengan probabilitas 0,631 jauh signifikan pada 0,05 yang berarti hipotesis nol diterima, sehingga dapat disimpulkan bahwa residual adalah random atau tidak terjadi autokorelasi antar nilai residual.

d. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain (Ghozali, 2006). Model regresi yang baik adalah homoskedastisitas atau tidak heteroskedastisitas. Uji heteroskedastisitas dalam penelitian ini diuji dengan menggunakan scatterplots . Hasil uji heteroskedastisitas disajikan pada gambar berikut ini :

Uji Heteroskedastisitas

Sumber : Hasil Pengolahan Data Hasil uji heteroskedastisitas dengan scatterplots di atas terlihat

bahwa titik-titik menyebar secara acak serta tersebar di atas maupun di bawah angka nol pada sumbu Y. Titik-titik tersebar dan tidak membentuk pola tertentu yang teratur sehingga hal ini dapat disimpulkan dalam model regresi ini tidak terjadi heteroskedastisitas.