analisis regresi dalam pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak. Pengujian asumsi tersebut meliput i
statistik deskriptif, uji asumsi klasik, dan pengujian hipotesis.
1. Statistik Deskriptif
Statistik deskriptif adalah metode statistika yang digunakan untuk menggambarkan atau mendeskripsikan data yang telah dikumpulkan menjadi
sebuah informasi. Suharyadi, 2007: 10.
2. Uji Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi–asumsi klasik. Uji asumsi klasik yang dilakukan adalah uji normalitas, uji
heteroskedastisitas, uji autokorelasi, dan uji multikolinieritas.
a. Uji Normalitas
Menurut Ghozali 2005: 111 “Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal”. Berikut adalah beberapa cara yang dapat digunakan untuk melihat normalitas data dalam penelitian ini, yaitu uji
kolmogorov smirnov, histogram, dan grafik normality probability plot. 1
Uji Kolmogorov Smirnov, dalam uji ini pedoman yang digunakan dalam pengambilan keputusan, yaitu:
• jika nilai signifikan 0.05 maka distribusi normal,
• jika nilai signifikan 0.05 maka distribusi tidak normal.
Hipotesis yang digunakan: Ho : Data residual berdistribusi normal,
Universitas Sumatera Utara
Ha : Data residual tidak berdistribusi normal. Menurut Erlina 2008: 104 ada beberapa cara mengubah model regresi
menjadi normal yaitu : •
lakukan transformasi data ke bentuk lainnya, •
lakukan trimming, yaitu membuang data outlier, •
lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
2 Histogram, yaitu pengujian dengan menggunakan ketentuan bahwa data
normal berbentuk lonceng. Data yang baik adalah data yang memiliki pola distribusi nornal. Jika data melenceng ke kanan atau melenceng ke
kiri berarti memberitahukan bahwa data tidak berdistribusi secara normal.
3 Grafik Normality Probability Plot, ketentuan yang digunakan adalah:
• jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal maka model regesi memenuhi asumsi normalitas, •
jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi
normalitas.
b. Uji Multikoleniaritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi mempunyai korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel-variabel
Universitas Sumatera Utara
independen antara yang satu dengan yang lainnya. Dalam hal ini disebut variabel-variabel bebas ini tidak ortogonal. Variabel-variabel bebas yang
bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
1 koefisien – koefisien regresi menjadi tidak dapat ditaksir,
2 nilai standar error setiap koefisien regresi menjadi tak terhingga.
Menurut Ghozali 2005: 91, untuk mendeteksi ada 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 variabel dependen,
2. menganalisis matrik korelasi variabel-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 karena adanya efek kombinasi dua atau lebih variabel independen,
3. multikolinearitas dapat juga dilhat dari a nilai tolerance dan
lawannya, bvariance 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 terikat dan diregres
terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan
oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
Universitas Sumatera Utara
c. Uji Autokolerasi
