4.7 Pengujian Asumsi
Klasik
Sebelum dilakukan pengujian hipotesis dengan menggunakan analisis regresi, maka diperlukan pengujian asumsi klasik yang meliputi pengujian: 1 normalitas, 2
multikolinearitas, dan 3 heterokedastisitas.
1. Uji Normalitas Menurut Ghozali 2007 Uji Normalitas bertujuan untuk mengetahui apakah
distribusi sebuah data mengikuti atau mendekati distribusi normal yaitu distribusi data dengan bentuk lonceng bell Shaped. Data yang baik adalah data yang
mempunyai pola seperti distribusi normal.
Pedoman pengambilan keputusan dengan uji Kolmogorov-Smirnov tentang
data tersebut mendekati atau merupakan distribusi nomal dapat dilihat dari
i. Nilai Sig. Atau signifikan atau probabilitas 0,05, maka distribusi data adalah
tidak normal. ii.
Nilai Sig. Atau signifikan atau probabilitas 0,05, maka ditribusi data adalah normal.
2. Uji Multikolinieritas Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen
antara yang satu dengan yang lainnya. Dalam hal ini kita sebut 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:
Universitas Sumatera Utara
a. Koefisien-koefisien regresi menjadi tidak dapat ditaksir.
b. Nilai standar error setiap koefisien regresi menjadi tak terhingga.
Pengujian ini bermaksud untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka
dinamakan terdapat problem multikolinieritas. Ada dua cara yang dapat dilakukan jika terjadi multikolinieritas yaitu :
a. Mengeluarkan salah satu variabel, misalnya variabel independent A dan B
saling berkolerasi dengan kuat, maka bisa dipilih A atau B yang dikeluarkan dari model regresi.
b. Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi Ridge.
Pengujian multikolinearitas dapat dilakukan dengan melakukan korelasi antara variabel bebas independent variable. Jika nilai korelasi antara variabel bebas
tersebut lebih besar dari 0.7 Nunnally dalam Ghozali, 2007, maka dapat dikatakan bahwa terjadi gejala multikolinearitas. Disamping dengan melakukan uji korelasi
tersebut, pengujian ini juga dapat dilakukan dengan melihat nilai VIF Variance Inflation Factor dari model penelitian, jika nilai VIF diatas 10 maka dapat dikatakan
bahwa telah terjadi gejala multikolinearitas dalam model penelitian. 3. Uji Heterokedastisitas
Tujuan dari pengujian ini adalah untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut Homoskedastisitas. Jika varians berbeda,
Universitas Sumatera Utara
maka disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas.
Deteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatterplot di sekitar nilai X1, X2, X3, dan Y. Jika
ada pola tertentu, maka telah terjadi gejala heterokedastisitas. Uji asumsi klasik yang digunakan hanya terbatas pada ketiga uji di atas,
sedangkan uji autokorelasi tidak digunakan. Hal ini dikarenakan uji autokorelasi yang bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi
antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya muncul karena observasi yang berurutan sepanjang tahun yang berkaitan
satu dengan lainnya. Maka uji autokorelasi ini sering ditemukan pada time series, sedangkan data yang dikumpulkan oleh penulis ada data crosssection , maka masalah
autokorelasi relatif tidak terjadi.
4.8 Uji Hipotesis