42 sumbuh diagonal dari grafik atau dengan melihat histrogram dari nilai
residualnya. Jika data menyebar 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 signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal.
b. Nilai signifikan atau probabilitas 0,05, maka distribusi data adalah
normal.
3.7.1.2 Uji Multikolinerialitas
Uji multikolinieritas bertujuan untuk meneliti apakah dalam model regresi ditemukan adanya korelasi di antara variabel independen. Jika terjadi korelasi,
berarti terjadi masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. 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
adanaya multikolinieritas adalah nilai tolerance 0,01 atau sama dengan VIF 10 Ghozali, 2005: 91.
3.7.1.3 Uji Autokorelasi
Universitas Sumatera Utara
43 Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear
ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang
tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada time series
. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan
menggunakan nilai uji Durbin Watson dengan ketentuan sebagai berikut :
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dL
Tidak ada autokorelasi positif Tidak ada keputusan
dL ≤ d ≤ dU Tidak ada autokorelasi negatif
Tolak 4
– dL d 4 Tidak ada autokorelasi negatif
Tidak ada keputusan 4 – dU ≤ d ≤ 4 – dL
Tidak ada autokorelasi, baik positif maupun negative
Terima dU d 4
– dU
3.7.1.4 Uji Heterokedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan kepengamatan yang lain.
Jika varians dari residual satu pengamatan kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Untuk melihat ada atau tidaknya heteroskedastisitas dilakukan dengan
mengamati grafik scatterplot antar nilai prediksi variabel terikat dengan residualnya.
Menurut Ghozali
2005, deteksi
ada atau
tidaknya heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada
grafik scatterplot dengan dasar analisis:
Universitas Sumatera Utara
44 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, sperti titik menyebar di atas dan dibawah
angka pada
sumbuh Y,
maka tidak
terjadi heteroskedastisitas.
3.7.2 Uji Hipotesis 3.7.2.1 Analisis Regresi Linear Berganda
