H : Data residual berdistribusi normal
H
1
: Data residual tidak berdistribusi normal Bila signifikansi 0,05 dengan
α = 5 berarti data normal dan H diterima,
sebaliknya bila nilai signifikansi 0,05 berarti data tidak normal dan H ditolak.
2. Pengujian Asumsi Klasik a. Uji Heterokedastisitas
Uji heterokedastisitas digunakan utuk mengetahui apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
lain Ghozali, 2006: 105. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut
heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas. Dasar analisis yang dapat digunakan untuk menentukan heterokedastisitas,
antara lain: a.
Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heterokedastisitas. b.
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi
homokedastisitas.
b. Uji Autokorelasi Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi
linier ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t
-1
. autokorelasi muncul karena observasi yang berurutan sepanjang
tahun berkaitan satu dengan lainnya. Hal ini sering ditemukan pada penelitian time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi
adalah dengan menggunakan nilai Durbin-Watson DW dengan ketentuan pada Tabel 1.4.
Tabel 1.4 Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 DW dl Tidak ada autokorelasi positif
No decision dl
≤ DW ≥ du Tidak ada autokorelasi negatif
Tolak 4 – dl DW 4
Tidak ada autokorelasi negatif No Decision
4 – du ≤ DW ≤4 - dl
Tidak ada autokorelasi postif atau negatif Tidak ditolak
du DW 4 – dl Sumber: Ghozali 2006: 96.
Uji Autokorelasi juga dapat dilakukan melalui Run Test. Uji ini merupakan bagian dari statistik non-parametric yang dapat digunakan untuk menguji apakah
antar residual terdapat korelasi yang tinggi. Pengambilan keputusan dilakukan dengan melihat nilai Asymp. Sig 2-tailed uji Run Test. Apabila nilai Asymp. Sig
2-tailed lebih besar dari tingkat signifikansi 0,05 maka dapat disimpulkan tidak terdapat autokorelasi Ghozali,2006:103.
c. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk mengkaji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen. Model regresi yang
baik seharusnya tidak ada korelasi antar variabel independen. Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan Variance
Inflation Factor VIF, serta dengan menganalisis matriks korelasi variabel- varibel independen. Nilai yang umum dipakai untuk menunjukkan adanya
multikolinieritas adalah nilai tolerance 0,10 atau sama dengan VIF 5 dan
untuk matriks korelasi adanya indikasi multikolinieritas dapat dilihat jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas
0,90Situmorang dkk. 2010: 136.
c. Pengujian Hipotesis