3.8.2.1 Uji Normalitas
Uji normalitas dimaksudkan untuk mengetahui apakah data berdistribusi normal atau tidak berdistribusi normal. Model regresi yang
baik harus mempunyai distribusi normal atau mendekati normal. Ada
dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan analisis statistik Ghozali, 2005.
Analisis grafik dilakukan dengan melihat histrogram atau pola distribusi data. Normalitas dapat dideteksi dengan melihat penyebaran
data titik pada sumbuh diagonal dari grafik atau dengan melihat histrogram dari nilai residualnya. Jika data menyabar di sekitar garis
diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi
asumsi normalitas. Analisis statistik dilakukan dengan uji Kolmogorov-Smirnov
Test. Pedoman pengambilan keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov
dapat dilihat dari: a.
Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal.
b. Nilai Sig. atau signifikan atau probabilitas 0,05, maka
distribusi data adalah normal.
Universitas Sumatera Utara
3.8.2.2 Uji Multikolinearitas
Uji multikolineritas bertujuan untuk meneliti apakah dalam model regresi ditemukan adanya korelasi di antara variabel independen.
Jika terjadi korelasi, berarti terjadi masalah multikolinieritas. Model regresi yang valid adalah model regresi yang bebas dari
multikolinearitas. Multikolinearitas terjadi ketika variabel independen yang ada dalam metode berkorelasi satu sama lain, ketika korelasi antar
variabel independen sangat tinggi maka sulit untuk memisahkan pengaruh masing-masing variabel independen terhadap variabel
dependen. Untuk melihat ada atau tidaknya multikolinieritas dalam model regrasi dilihat dari nilai tolerance dan lawannya Variance
Inflation Factor VIF. Batasan umum yang dipakai untuk
menunjukkan adanya multikolinieritas adalah nilai tolerance 0,1 atau sama dengan VIF 10 Ghozali, 2005.
3.8.2.3 Uji Autokorelasi