53
2. Uji Asumsi Klasik
Penggunaan uji asumsi klasik bertujuan untuk mengetahui dan menguji kelayakan atas model regresi yang digunakan pada penelitian ini. Tujuan
lainnya untuk memastikan bahwa di dalam model regresi yang digunakan mempunyai data yang terdistribusikan secara normal, bebas dari
autokorelasi, multikolinieritas serta heterokedistisitas.
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti
diketahui bahwa uji t dan f mengansumsikan bahwa nilai residual mengikuti distribusi normal.
Untuk mendeteksi uji normalitas yaitu dengan analisis grafik. Analisis grafik dilakukan dengan melihat grafik histogram yang
membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat
Normal Probability Plot P-P Plot yang membandingkan distribusi kumulatif dari distribusi normal. Jika distribusi data residual normal,
maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2013: 161.
54
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya kolerasi antar variabel bebas independen.
Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independennya. Selanjutnya dijelaskan bahwa deteksi adanya
multikolinearitas dapat dilihat dari besaran Variance Inflation Factor VIF dan tolerance, dengan ketentuan sebagai berikut:
a. Jika nilai tolerance 0,1 dan VIF 10, terjadi multikolinearitas. b. Jika nilai tolerance 0,1 dan VIF 10, tidak terjadi
multikolinearitas Ghozali, 2013: 105.
c. Uji Autokorelasi
Menurut Ghozali 2013 uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pengganggu pada periode t- 1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan
sepanjang tahun berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke
observasi lainnya. Kemudian, Ghozali 2013 juga menjelaskan bahwa uji autokorelasi
merupakan pengujian asumsi dalam regresi dimana variabel dependen tidak berkorelasi dengan dirinya sendiri. Maksud korelasi dengan diri
sendiri adalah bahwa nilai dari variabel dependen tidak berhubungan
55 dengan nilai variabel itu sendiri, baik nilai variabel sebelumnya atau nilai
periode sesudahnya. Untuk mendeteksi ada tidaknya autokorelasi dapat menggunakan uji
Durbin Watson DW test, dimana hasil pengujian ditentukan berdasarkan nilai Durbin-Watson DW. Dasar pengambilan keputusan
ada tidaknya autokorelasi dengan menggunakan Durbin-Watson. Hipotesis yang akan diujikan adalah :
H0 = tidak ada autokorelasi H1 = ada autokorelasi
Pengambilan keputusan ada tidaknya autokorelasi bisa dilihat di table 3.1 :
Tabel 3.1 Pengambilan Keputusan Autokorelasi
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tidak ada autokorelasi positif
Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif
Tidak ada autokorelasi, positif dan negatif
Tolak No decision
Tolak No decision
Tidak ditolak
0 d dl dl ≤ d ≤ du
4-dl d 4 4-
du ≤ d ≤ 4-dl du d 4-du
Sumber: Data Sekunder diolah Tahun 2015
56
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain .Jika variance dari reidual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas. Dan jika berbeda
disebut heteroskedastisitas Ghozali, 2013: 139. Ada beberapa cara untuk mendeteksi ada atau tidak adanya
heteroskedastisitas, salah satunya adalah Melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya
SRESID. Deteksi ada tidaknya heteroskedestisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara
SRESID dan ZPRED dimana sumbu Y adalah Y yang telah di prediksi. Dan sumbu X adalah residual Y prediksi
– Y sesungguhnya yang telah di-studentized.
F. Analisis Regresi Linier 1. Uji Koefisien Determinasi Adjusted
�
Koefisien determinasi R2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen Ghozali,
2013: 97. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel - variabel independen dalam
menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua
57 informasi yang dibutuhkan untuk memprediksi variasi variabel secara
bebas.
2. Uji Persaaan Regresi Linier Berganda
