Uji Normalitas Uji Asumsi Klasik

3.8.2 Uji Asumsi Klasik

Data yang digunakan adalah data sekunder, oleh karena itu untuk menentukan ketepatan model perlu dilakukan pengujian atas beberapa asumsi klasik yang digunakan yaitu: Uji Normalitas, Uji Multikolinieritas, Uji Heteroskedastisitas, dan Uji Autokorelasi yang secara rinci dapat dijelaskan sebagai berikut:

1. Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng kiri atau menceng kanan. Dengan adanya tes normalitas, maka hasil penelitian bisa digeneralisasikan pada populasi. Dalam pandangan statistik itu sifat dan karakteristik populasi adalah terdistribusikan secara normal Sitomorang dan Lufti, 2011: 100-101. Pengujian normalitas ini dapat dilakukan dengan beberapa pendekatan, antara lain: a. Pendekatan Histogram Untuk menguji normalitas data dapat dilihat dengan kurva normal. Kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satu diantaranya adalah mean, mode, median pada tempat yang sama. Ukuran kemiringan puncak kurva ke kiri atau ke kanan dikenal dengan nama “kemiringan kurva” atau “kemencengan kurva” skewness. Kemencengan suatu kurva distribusi data dapat bertanda positif arah kanan atau bertanda negatif arah kiri. Universitas Sumatera Utara b. Pendekatan Grafik PP plot akan membentuk plot antara nilai-nilai teoritis sumbu x melawan nilai- nilai yang didapat dari sampel sumbu y. Apabila plot dari keduanya berbentuk linier didekati garis lurus, maka hal ini merupakan indikasi bahwa residual menyebar normal. Bila pola-pola titik yang terletak selain di ujung-ujung plot masih berbentuk linier, meskipun ujung-ujung plot agak menyimpang dari garis lurus, dapat dikatakan bahwa sebaran data adalah menyebar normal. c. Pendekatan Kolmogorov-Smirnov Alat uji ini digunakan untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal. Dasar pengambilan keputusan dari uji normalitas adalah: 1 Jika hasil di atas nilai signifikan 0,05 menunjukkan pola distibusi normal, maka model regresi memenuhi asumsi normalitas. 2 Jika hasil di bawah nilai signifikan 0,05 tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas Situmorang dan Lufti, 2011: 101-106.

2. Uji Multikolinieritas