sebagai model regresi berganda dalam menguji hipotesis haruslah menghindari kemungkinan terjadinya penyimpangan asumsi klasik.
3.5.3.1 Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji ada atau tidaknya korelasi antara variabel bebas independen. Dilakukan dengan cara menganalisis matrik
korelasi variabel-variabel independen. Jika variabel-variabel independen saling berkorelasi diatas 0,9 dan nilai R2 yang dihasilkan oleh estimasi model regresi
empiris sangat tinggi, dan nilai tolerance 0,10 atau sama dengan nilai VIF Variance Inflation Factor 10 maka mengindikasikan adanya multikolinieritas
Imam Ghozali, 2006.
3.5.3.2. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut
Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas Ghozali, 2006. Cara mendeteksinya adalah
dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED
dengan residualnya
SRESID. Deteksi
ada tidaknya
gejala heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu
pada grafik scatterplot antar SRESID dan ZPRED, dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual Y prediksi - Y sesungguhnya
yang telah di-studentized Ghozali, 2006.Adapun dasar atau kriteria pengambilan keputusan berkaitan dengan gambar tersebut adalah Ghozali, 2006:
a Jika terdapat pola tertentu, yaitu jika titik-titiknya membentuk pola tertentu dan teratur bergelombang, melebar kemudian menyempit,
maka diindikasikan terdapat masalah heteroskedastisitas. b Jika tidak terdapat pola yang jelas, yaitu jika titik-titiknya menyebar,
maka diindikasikan tidak terdapat masalah heteroskedastisitas.
3.5.3.3 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Seperti
diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak
valid untuk jumlah sampel kecil. Untuk menguji apakah distribusi variabel pengganggu atau residual normal ataukah tidak, maka dapat dilakukan analisis
grafik atau dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari
distribusi normal Ghozali, 2006. Sedangkan dasar pengambilan keputusan untuk uji normalitas data adalah
Ghozali, 2006: a Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya, menunjukkan distribusi normal, maka model regresi memenuhi asumsi normalitas.
b Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram, tidak menunjukkan distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas.
3.5.4 Analisis Regresi Berganda
