µ = Kesalahan penggangu
3.5.1. Uji Penyimpangan Asumsi Klasik
Ada beberapa permasalahan yang bisa terjadi dalam model regresi linier, yang secara statistik permasalahan tersebut dapat mengganggu model yang telah
ditentukan, bahkan dapat menyesatkan kesimpulan yang diambil dari persamaan yang terbentuk. Untuk itu perlu dilakukan uji penyimpangan asumsi klasik yang terdiri
dari:
1. Uji Normalitas Data
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel penggangu atau residual memiliki distribusi normal Erlina, 2008.
Cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik. Analisis grafik adalah dengan grafik histogram dan
melihat normal probability plot yaitu dengan membandingkan distribusi kumulatif dengan distribusi normal.
2. Uji Heterokedastsitas
Uji heterokedastisitas 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 heterokedastisitas. Uji heterokedastisitas dilakukan dengan melihat ada tidaknya
pola tertentu pada grafik Scatterplot antara SRESID dan ZPRED. Dasar analisisnya dapat dilihat :
Universitas Sumatera Utara
a Jika titik-titik yang membentuk pola yang teratur bergelombang, melebar kemudian memyempit maka mengidentifikasikan telah terjadi
heterokedastisitas. b Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah
angka nol pada sumbu y maka tidak terjadi heterokedastisitas.
3. Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data time series.
Sehingga terdapat saling ketergantungan antara faktor pengganggu yang berhubungan dengan observasi yang dipengaruhi oleh unsur gangguan yang
berhubungan dengan pengamatan lainnya. Oleh sebab itu masalah autokorelasi biasanya muncul dalam data time series, meskipun tidak menutup kemungkinan
terjadi dalam data cross sectional. Dalam konteks regresi, model regresi linier klasik mengasumsikan bahwa autokorelasi seperti itu tidak terdapat dalam
disturbansi atau pengguan µi. Dengan menggunakan lambang Ε µi, µj = 0; i ≠
j. Secara sederhana dapat dikatakan model klasik mengasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur
disturbansi atau gangguan yang berhubungan dengan pengamatan lain yang manapun. Salah satu pengujian yang digunakan untuk mengetahui adanya
autokorelasi adalah dengan memakai uji statistik Durbin Watson DW test. Jika
Universitas Sumatera Utara
nilai Durbin Watson berbeda antara -2 sampai +2 berarti autokorelasi Nugroho, 2005.
4. Uji Multikolinieritas