2.5. Uji Penyimpangan Asumsi Klasik
2.5.1. Uji Normalitas
Uji ini merupakan pengujian terhadap normalitas kesalahan pengganggu error digunakan untuk melihat apakah variabel bebas dan variabel terikat mempunyai
distribusi normal. Asumsi kenormalan dapat diperiksa dengan:
1. Pendekatan Histogram
Untuk menguji normalitas, data dapat dilihat dengan kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satu diantaranya adalah mean,
mode dan median pada tempat yang sama. Jika ketiga tendensi sentral tersebut tidak terletak pada satu tempat maka bearti kurva tersebut mereng ke
kiri atau ke kanan.
2. Pendekatan Grafik
PP plot akan membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai-nilai yang didapat dari sampel sumbu y. Apabila plot dari keduanya
berbentul linier dapat di dekati oleh garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal. Seringkali ditemui bahwa ujung-
ujung plot pada pp plot agak menyimpang dari garis lurus. Bila pola-pola titik yang terletak selain diujung-ujung plot masih berbentuk linier, meskipun
ujung-ujung plot agak menyimpang dari garis lurus, kita dapat mengatakan bahwa sebaran data dalam hal ini residual adalah menyebar normal.
Universitas Sumatera Utara
3. Pendekatan kolmogorv-smirnov
Seringkali data keliatan normal karena mengikuti garis diagonal. Padahal belum tentu data tersebut berdistribusi normal. Untuk memastikan apakah data
disepanjang garis diagonal berdistribusi normal maka dilakukan iji kolmogorv smirnov dengan melihat data residualnya apakah berdistribusi normal atau
tidak.
2.5.2. Uji Multikolinieritas
Multikolinearitas adalah alat yang digunakan untuk mengetahui apakah ada hubungan yang kuat kombinasi linier diantara variabel independen. Multikolinieritas
dikenalkan oleh Ragnar Frisch 1934. Suatu model regresi linier akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung multikolinieritas.
Multikolinearitas terjadi karena adanya hubungan yang kuat antara sesama variabel independen dari suatu model estimasi. Adanya multikolinieritas ditandai dengan:
Variansi besar Interval kepercayaan lebar standard error tidak terhingga
Tidak ada satupun t-statistik yang signifikan pada α = 1, α = 5, α =
10 Terjadi perubahan tanda atau berlawanan dengan teori estimasi
R
2
sangat tinggi
Ada banyak uji formal untuk mendeteksi keberadaan multikolinieritas yang dapat dilakukan, tetapi dalam tugas akhir ini hanya akan diberikan uji formal
yang sangat populer, dan tersedia dalam paket program SPSS yaitu:
Universitas Sumatera Utara
Uji Eigenvalues dan Conditional Index, multikolinieritas ditenggarai ada
di dalam persamaan regresi bila nilai Eigenvalues mendekati nol. Dan jika Conditional Index berada antara nilai 10 sampai 30 maka model
mengandung multikolinieritas.
Melihat nilai Variance Inflation Factor VIF dan Tolerance TOL.
Multikolinieritas tidak ada jika nilai VIF dan TOL mendekati angka 1.
2.5.3 Uji Heterokedastisitas