37 yang linear, dan estimator yang tidak bias. Maka data-data yang digunakan
dalam analisis regresi terlebih dahulu akan diuji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
1. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi yang dibentuk dari variabel dependen dan independen mempunyai distribusi normal
Gujarati, 2003;45. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisi grafik dan analisis
statistik. Penelitian ini menggunakan analisis statistik dengan uji Kolmogrov Smirnov. Pedoman pengambilan keputusan rentang data tersebut mendekati
atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat dari :
a. Apabila nilai Sig. Atau signifikansi atau nilai probabilitas yang terdapat pada kolom Kolmogorov-Smirnov dan kolom Shapiro-Wilk lebih kecil dari alpha
atau tingkat kesalahan yang ditetapkan 0,05, maka data yang dianalisis tersebut terdistribusi secara tidak normal.
b. Apabila nilai Sig. Atau signifikansi atau nilai probabilitas yang terdapat pada kolom Kolmogorov-Smirnov dan kolom Shapiro-Wilk lebih besar
dari alpha atau tingkat kesalahan yang ditetapkan 0,05, maka data yang dianalisis tersebut terdistribusi secara tidak normal.
2. Uji Multikolinearitas
Multikolinieritas adalah situasinya korelasi variabel-variabel bebas diantara satu dengan yang lain. Untuk mendeteksi ada tidaknya
Universitas Sumatera Utara
38 Multikolinieritas dalam model regresi dapat dilihat dari nilai Tolerance dan
Variance Inflation Factor VIF. Salah satu ciri persamaan regresi yang mengalami masalah multikolonieritas adalah nilai R2 yang tinggi namun
memiliki sedikit variabel independen yang mempengaruhi variabel dependen secara signifikan. Jika nilai Tolerance 0,10 atau VIF 10 maka
terjadi multikolinieritas Ghozali,2006;67.
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya.Jika terjadi korelasi, maka ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu dengan yang lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi
lainnya, biasanya dijumpai pada data deret waktu time series. Konsekuensi adanya autokorelasi dalam model regresi adalah variance sample tidak dapat
menggambarkan variance populasinya, sehingga model regresi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependen pada nilai
independen tertentu Ghozali, 2006:73. Kriteria pengujian Autokorelasi dengan menggunakan pengujian Durbin Watson DW adalah sebagai berikut:
a. Angka DW di bawah -2 berarti ada autokorelasi positif, b. Angka DW di antara -2 sampai +2, berarti tidak ada autokorelasi,
c. Angka DW di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
39
4. Uji Heteroskedastisitas
