Uji normalitas diketahui dengan menggunakan uji kolmogorov-smirnov. Uji kolmogorov-smirnov dilakukan untuk menguji apakah residual terdistribusi
secara normal. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang
sering terjadi pada uji normalitas dengan menggunakan grafik. Jika nilai signifikannya di atas 0,05 maka distribusi data dinyatakan memenuhi asumsi
normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal.
3.5.3 Uji Asumsi Klasik
Sehubungan dengan pemakaian metode regresi berganda, maka untuk menghindari pelanggaran asumsi-asumsi klasik. Model asumsi klasik meliputi uji
multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi. Penelitian ini termasuk penelitian cross section sehingga uji asumsi klasik yang digunakan
hanya uji multikoliniearitas dan uji heteroskedastisitas. Berikut penjelasannya:
1. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent. Model regresi yang
baik seharusnya tidak terjadi korelasi antara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak ortogal. Variabel ortogal
adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama
dengan nol. Menurut Ghozali 2001:91 untuk mendeteksi ada tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak
signifikan mempengaruhi variabel terikat. 2 Menghasilkan matrik korelasi variabel-variabel bebas. Jika antar variabel
bebas ada korelasi yang cukup tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang
tinggi antar variabel bebas tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena efek kombinasi dua atau lebih
variabel bebas. 3 Multikolinieritas dapat juga dilihat dari nilai tolerance dan variance inflation
factor VIF. Kedua ukuran ini menunjukkan setiap variabel bebas yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas
variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya, jadi nilai tolerance rendah sama dengan nilai VIF yang tinggikarena
VIF=1tolerance dan menunjukkan kolonieritas yang tinggi. Nilai cutoff yang umum dipakai adalah 0,10 atau sama dengan nilai VIF di atas 10.
2. Uji Heteroskedastisitas
Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain
tetap, maka
disebut homoskedastisitas
dan jika
berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2005:105. Untuk mendeteksi ada
tidaknya heteroskedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antar SRESID dan ZPRED dimana sumbu Y adalah Y
yang telah diprediksi, dan sumbu x adalah residual Y prediksi – Y sesungguhnya
yang telah di-studentized. Dasar analisisnya adalah:
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit akan
mengindikasikan telah terjadi heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik penyebaran di atas dan di
bawah angka 0 pada sumbu Y, maka terjadi heteroskedastisitas. Untuk lebih menjamin keakuratan hasil maka dilakukann uji statistik
dengan menggunakan uji Glejser. Uji Glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel independen. Jika dari hasil uji Glejser didapat
bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel depeden nilai absolut Ut AbsUt dan probabilitas
signifikansinya di atas tingkat kepercayaan 5 maka dapat diambil kesimpulan model regresi tersebut tidak mengandung adanya Heteroskedastisitas.
Y = a + b
1
X
1
- b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e
3.5.4 Uji Analisa Regresi Linear Berganda
