menggunakan koefisien Cronbach Alpha α. Nilai cronbach alpha
reliabilitas yang baik adalah semakin mendekati 1. Suatu variabel dikatakan reliabel jika memberikan nilai cronbach alpha 0,6 Nunnally
dalam Ghozali, 2005.
3.8.2. Pengujian Asumsi Klasik
Pengujian ini didasarkan pada metode pangkat kuadrat terkecil biasa yang mengestimasi garis regresi dengan meminimalkan jumlah kuadrat
kesalahan setiap observasi terhadap garis tersebut Erlina, 2008:102. Tujuannya adalah mengestimasi fungsi regresi populasi dari fungsi regresi
sampel.
3.8.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai
distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Uji normalitas dilakukan
dengan melihat histogram atau normal probability plot. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal
dari grafik atau dengan melihat histogram dari nilai residualnya. Proses uji normalitas data dilakukan dengan menggunakan uji
Kolmogrov-Sminov Uji K-S. Distribusi data dapat dilihat dengan membandingkan Zhitung dengan Ztabel dengan kriteria sebagai berikut:
1. Jika Zhitung Kolmogrov Smirnov Ztabel 1,96, atau angka signifikan tarif signifikansi α 0,05 maka distribusi data
dikatakan normal. 2. Jika Zhitung Kolmogrov Smirnov Ztabel 1,96, atau angka
signifikan tarif signifikansi α 0,05 maka distribusi data dikatakan tidak normal.
Uji normalitas data juga dapat dilihat dengan memperlihatkan penyebaran data titik pada normal P Plot of Regression Standardized
Residual variabel independen, dimana: 1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas, 2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti
arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
3.8.2.2. Uji Multikolinearitas
Menurut Ghozali 2005:111 “uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara
variabel independen atau variabel bebas”. Suatu model regresi yang baik tidak ditemukan hubungan atau korelasi diantara variabel independen.
Semakin rendah korelasi antar variabel independen maka persamaan tersebut semakin baik. Untuk melihat ada tidaknya multikolinearitas
maka dilakukan dengan melihat nilai VIF variance Inflation Factor dan Tolerance dari model penelitian.
Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10 atau sama dengan VIF
10. Uji multikolinearitas juga dapat dilakukan dengan melihat korelasi antar variabel independen, jika nilai korelasi antar variabel independen
lebih besar dari 0,95 maka dapat disimpulkan bahwa terdapat gejala multikolinearitas antar variabel independen dalam penelitian tersebut.
3.8.2.3. Uji Heterokedastisitas
