38
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak menurut Ghozali 2005 : 110,yaitu:
a. Analisis grafik
Salah satu cara termudah untuk melihat normalitas residual adalah
dengan melihat
grafik histogram
yang membandingkan antara data observasi dengan distribusi
yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat
normal probability plot
yang membandingkan distribusi kumulatif dari distribusi normal.
Distribusi normal akan membentuk satu garis lurus diagonal dan plotnya data residual akan dibandingkan
dengan garis diagonal.Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya.
b. Analisis statistik
Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan nilai Z skewness. Uji statistik lain yang dapat
digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-S.
Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji
Kolmogorov Smirnov dapat dilihat dari : i.
Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
ii. Nilai Sig. atau signifikan atau probabilitas 0,05, maka
distribusi data adalah normal.
3.6.2.2 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
39
Uji heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
Scatterplot
antara SRESID dan ZPRED. Dasar analisisnya dapat dilihat:
a Jika titik-titik yang membentuk pola yang teratur bergelombang, melebar kemudian menyempit maka
mengidentifikasikan telah terjadi heteroskedastisitas. b Jika tidak ada pola yang jelas serta titik-titik menyebar di
atas dan di bawah angka nol pada sumbunya maka tidak
terjadi heteroskedastisitas.
3.6.2.3 Uji Autokorelasi
Masalah autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu
timeseries
. “Autokorelasi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya atau
data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat
tergantung pada tempat data tersebut terjadi.”Hadi, 2006 :175 Untuk mendeteksi adanya autokorelasi bisa digunakan tes
Durbin Watson DW. Deteksi autokorelasi dengan cara ini dimulai dengan menghitung nilai d, setelah nilai d diketemukan maka
tahapan berikutnya adalah menentukan nilai du dan dl dengan menggunakan tabel Durbin Watson.
Ketentuan : du d 4-du Tidak ada autokorelasi
d dl Terdapat autokorelasi positif d 4-dl Terdapat autokorelasi negatif
Universitas Sumatera Utara
40
dl d du Tidak ada keputusan tentang autokorelasi 4-du d 4-dl Tidak ada keputusan tentang autokorelasi
Hadi, 2006 : 176
“Salah satu cara untuk mengatasi adanya masalah autokorelasi bila ada adalah dengan cara menambahkan satu
variabel baru, yaitu variable lag - 1.” Hadi, 2006 : 176
3.7.2.4 Uji Multikolinieritas
