59 dengan regresi berganda, variabel-variabel penelitian diuji apakah data yang
digunakan berdistribusi normal dan memenuhi asumsi klasik persamaan regresi berganda, yaitu tidak adanya multikolinearitas, heteroskedastisitas, dan
autokorelasi.
1. Uji Normalitas
Uji normalitas data bertujuan untuk memperoleh data yang berdistribusi normal. Alat uji normalitas menggunakan one-sample Kolmogorov-Smirnov. Data
dikatakan normal jika variabel yang dianalisis memiliki tingkat signifikansi lebih besar dari 5 Santoso, 2002.
2. Uji Asumsi Klasik
Uji asumsi klasik terdiri dari pengujian-pengujian sebagai berikut: a. Uji Multikolinieritas
Salah satu asumsi klasik adalah tidak terjadinya multikolinearitas diantara variabel-variabel bebas yang berada dalam satu model. Pengujian asumsi ini untuk
menunjukkan adanya hubungan linear antara variabel-variabel bebas dalam model regresi maupun untuk menunjukkan ada tidaknya derajat kolinearitas yang tinggi
diantara varibel-variabel bebas. Jika antar variabel bebas berkorelasi dengan sempurna maka disebut multikolinearitasnya sempurna perfect multicoliniarity,
yang berarti model kuadrat terkecil tersebut tidak dapat digunakan. Salah satu cara untuk mengetahui ada tidaknya multikolinearitas pada suatu
model regresi adalah dengan melihat nilai tolerance dan VIF Variance Inflation Factor, yaitu :
60 1 Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa
tidak terdapat multikolinearitas pada penelitian tersebut 2 Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa
terjadi gangguan multikolinearitas pada penelitian tersebut. b. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians residual dari suatu pengamatan ke
pengamatan yang lain. Jika varians dari suatu pengamatan itu adalah tetap maka disebut
homoskedastisitas, dan
jika varians
berbeda maka
terjadi heteroskedastisitas.
Salah satu cara untuk mendiagnosis adanya heterokedastisitas dalam suatu model regresi adalah dengan melihat grafik plot antara nilai prediksi variabel
terikat ZPRED dengan residualnya SRESID. Adapun dasar pengambilan keputusan dengan melihat grafik scollater, yaitu bahwa :
1 Jika ada pola tertentu yaitu membentuk pola yang teratur menyempit kemudian melebar, bergelombang maka terjadi heteroskedastisitas.
2 Jika tidak ada pola yang jelas, titik-titiknya menyebar di Sumbu Y maka tidak terjadi heteroskedastisitas. Santoso, 2000:208.
c. Uji Autokorelasi Pengujian autokorelasi digunakan untuk mengetahui apakah korelasi antara
anggota serangkaiaan observasi yang diurutkan menurut waktu data time series atau ruang data data cross section. Beberapa faktor yang menyebabkan adanya
61 autokorelasi adalah tidak dimasukkannya variabel bebas dan satu variabel terikat,
dalam pembuatan model hanya memasukkan tiga variabel bebas. Untuk mendiagnosis adanya autokorelasi dalam suatu model regresi dilakukan melalui
pengujian terhadap nilai Durbin-Watson Uji Dw. Algifari, 2000 Untuk mendiagnosis adanya autokorelasi dalam suatu model regresi
dilakukan pengujian terhadap nilai uji Durbin-Watson dengan ketentuan sebagai berikut:
Tabel 2
Uji Durbin-Watson Dw
Kesimpulan Kurang dari 1,10
Ada autokorelasi 1,10 dan 1,54
Tanpa kesimpulan 1,55 dan 2,46
Tidak ada autokorelasi 2,46 dan 2,90
Tanpa kesimpulan Lebih dari 2,91
Ada autokorelasi
3. Pengujian Koefisien Regresi Parsial Uji t
