3.6.2 Uji Asumsi Klasik
3.6.2.1 Uji Normalitas
Uji normalitas data menjadi prasyarat utama dalam analisis parametrik, seperti regresi dan Anova. Uji normalitas bertujuan untuk menguji apakah dalam
model regresi, variable pengganggu atau residual memiliki distribusi normal. Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid atau bias terutama
untuk sampel kecil. Dalam SPSS metode uji normalitas dapat dilakukan salah satunya dengan pendekatan uji
One Sample
Kolmogorov Smirnov
, dimana data dinyatakan berdistribusi normal jika signifikansi lebih besar dari 0,05.
3.6.2.2 Uji Multikolinieritas
Uji multikolinieritas diperlukan untuk mengetahui ada tidaknya variable independen yang memiliki kemiripan dengan variabel independen lain dalam satu
model. Kemiripan antar variabel independen dalam satu model akan menyebabkan terjadinya korelasi yang sangat kuat antara suatu variabel independen dengan
variabel independen yang lain. Selain itu, deteksi terhadap multikolinieritas juga bertujuan untuk menghindari kebiasaan dalam proses pengambilan kesimpulan
mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variable dependen. Deteksi multikolinieritas pada suatu model dapat dilihat dari
nilai Variance Inflation Factor VIF. Jika nila VIF tidak lebih dari 10 dan nilai
Tolerance
tidak kurang
dari 0,1
maka model
dikatakan bebas
dari multikolinieritas.
3.6.2.3 Uji Autokorelasi
Uji autokorelasi digunakan untuk menguji apakah model regresi ada korelasi antara residual pada periode t dengan residual pada periode sebelumnya
56
t
-1
. Model regresi yang baik adalah yang tida adanya masalah autokorelasi. Metode pengujian yang sering digunakan adalah dengan uji Durbin-Watson Uji
DW. Pengambilan keputusan pada uji DW sebagai berikut:
a.
Du dw 4-du maka Ho diterima, artinya tidak terjadi
autokorelasi
b. Dw dl atau dw 4-dl maka Ho ditolak, artinya terjadi
autokorelasi
c. dl dw dl atau 4-du dw 4-dl, artinya tidak ada kepastian atau kesimpulan yang pasti.
Nilai du dan dl dapat diperoleh dari tabel statistik Durbin Watson.
3.6.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varian dari suatu residual pengamatan ke
pengamatan yang lain. Salah satu cara untuk mendekati heteroskedastisitas adalah dengan melihat grafik
scatterplot
antara nilai prediksi variable terkait ZPRED dengan residualnya SPESID. Jika ada titik-titik membentuk pola tertentu yang
teratur seperti bergelombang, melebar, kemudian menyempit maka telah terjadi heteroskedastisitas. Jika titik-titik menyebar di atas dan di bawah angka 0 maka
sumbu Y tanpa membentuk pola tertentu maka tidak terjadi heteroskedastisitas Ghozali, 2005.
3.6.3 Analisis Regresi Linier Berganda
Kategori