45 Ri = k { 1 -
∑ Si² } k-1
St² Dimana :
k = mean kuadrat antara subyek ∑ Si²= mean kuadrat kesalahan
St² = varians total
2. Uji Asumsi Klasik
Model Regresi berganda dapat disebut juga sebagai model yang baik, jika model tersebut memenuhi asumsi normalitas data yang terbatas
dari asumsi klasik statistik, baik itu Normalitas, Multikolinearitas dan
Heterokedasitas Agung Bhuono,2005:57. a.
Uji Normalitas
Uji Normalitas data bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang
baik dan layak digunakan apabila yang memiliki distribusi normal. Normalitas data dapat dilihat dengan beberapa cara, diantaranya yakni
dengan melihat kurva Normal P-Plot. Suatu variabel dikatakan normal jika gambar distribusi dengan titik–titik data yang menyebar disekitar
garis diagonal, dan penyebaran titik–titik data searah mengikuti garis diagonalnya.
b. Multikolinearitas
Adanya hubungan linier yang sempurna atau eksak di antara variable-variable bebas dalam model regresi, Model regresi yang baik
seharusnya tidak terjadi korelasi antara variable bebas. Jika variable
46 bebas saling berkolerasi diantara variable bebas, maka variable-variable
ini tidak orthogonal, Variable orthogonal adalah variable bebas yang nilai kolerasi antar sesama variable bebas sama dengan nol.
Menurut Bhuono 2005:59 untuk melihat ada tidaknya multikolinearitas dengan melihat VIF Variance Inflation Faktor ini
tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 .
c. Heteroskesdastisitas
Asumsi ini apabila variasi dari faktor pengganggu selalu pada data pengamatan yang satu kedata pengamatan yang lain. Jika ciri ini
terpenuhi berarti variasi faktor penggangu pada kelompok data tersebut bersifat homoskedastik. Jika asumsi itu tidak dapat dipenuhi maka dapat
dikatakan terjadi penyimpangan. Penyimpangan terhadap faktor pengganggu sedemikian disebut heteroskesdastisitas Model regresi yang
baik yang homoskedastik dan tidak terjadi heteroskesdastisitas. Menurut Bhuono 2005:62 cara untuk memprediksi ada tidaknya
heteroskesdastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar scatterplot yang
menyatakan model
regresi linear
berganda tidak
terdapat
heteroskesdastisitas jika :
a Titik-titik data menyebar diatas dan dibawah atau disekitar angka 0. b Titik-titik data tidak mengumpulkan hanya diatas atau dibawah saja.
c Penyebaran titik-titik
data tidak
boleh membentuk
pola bergelombang melebar kemudian menyempit dan melebar kembali