45
2. Jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal serta tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi
normalitas. b.
Analisis Statistik Untuk mendeteksi normalitas data, dapat pula dilakukan melalui
analisis statistik Kolmogorov-Smirnov Test K-S. Uji K-S dilakukan dengan membuat hipotesis:
H
O
= Data residual berdistribusi normal. H
a
= Data residual tidak berdistribusi normal. Dasar pengambilan keputusan dalam uji K-S adalah sebagai
berikut: 1.
Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal.
2. Apabila probabilitas nilai Z uji K-S tidak signifikan secara
statistik maka H
O
diterima, yang berarti data terdistribusi normal.
3.9.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2012:106. Untuk mendeteksi ada atau tidaknya
multikolinearitas didalam model regresi antara lain dapat dilakukan dengan
Universitas Sumatera Utara
46
melihat 1 nilai tolerance dan lawannya 2 varians factor VIF, yaitu dengan rumus:
R
2
k = koefisien determinasi R
2
berganda ketika X
k
diregresikan dengan variable-variabel X lainnya.
a. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat
disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
b. Jika nilai tolerance 10 persen dan nilai VIF 10, maka dapat
disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
3.9.3. Uji Heteroskedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama di antara anggota grup tersebut. Jika
varians sama, maka dikatakan ada homokedastisitas. Sedangkan jika varians tidak sama, dikatakan terjadi heteroskedastisitas Situmorang dan Lutfi, 2014:
121. Pengujian heteroskedastisitas dapat dilakukan dengan scatterplot. Apabila terlihat titik-titik menyebar secara acak tidak membentuk pola yang
jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastitas pada model regresi sehingga model
regresi layak di pakai.
Universitas Sumatera Utara
47
3.9.4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengguna pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke
observasi lainnya. Hal ini biasanya terjadi pada data time series. Karena gangguan pada satu data cenderung mengganggu data lainnya Situmorang
dan Lutfi, 2014: 134. Pengujian asumsi ini, dilakukan dengan menggunakan Durbin Watson
Durbin Watson Test. Model regresi yang baik adalah regresi yang bebas dari autokorelsi. Adapun kriteria pengujiannya adalah
Tabel 3.4 Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif No decision
dl ≤ d ≤ du
Tidak ada autokorelasi negatif Tolak
4 - dl d 4 Tidak ada autokorelasi negatif
No decision 4 -
du ≤ d ≤ 4 - dl Tidak ada autokorelasi, positif atau
negatif Tidak
ditolak du d
4 - du Sumber: Situmorang dan Lutfi 2014 : 140
Keterangan : du = batas atas, dl = batas bawah. 3.10. Pengujian Hipotesis
3.10.1. Uji Hipotesis Secara Serempak Uji F
