lain yang dapat digunakan adalah dengan melihat normal
probability plot
yang membandingkan distribusi kumulatif dari distribusi normal. Dasar pengambilan keputusannya adalah :
-
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.
-
Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola
distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
B. Analisis Statistik
Uji statistik yang digunakan untuk menguji normalitas adalah uji statistik
Kolmogorov-Smirnov
K-S. Pedoman dalam pengambilan keputusan normal atau tidaknya data yang akan diolah adalah sebagai
berikut:
-
Apabila hasil signifikansi lebih besar dari 0,05 maka data terdistribusi normal.
-
Apabila hasil signifikansi lebih kecil dari 0,05 maka data tersebut tidak terdistribusi secara normal.
3.8.2.2 Uji Multikolinearitas
Universitas Sumatera Utara
Multikolinearitas adalah situasi adanya korelasi variabel –
variabel independen antara yang satu dengan yang lainnya. Dalam hal ini, kita sebut variabel
– variabel bebas ini tidak ortogonal Erlina, 2008 : 156. Variabel
– variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama
dengan nol. Model regresi yang baik selayaknya tidak terjadi multikolinearitas. Multikolinearitas dapat dilihat dari VIF
Variance Inflation Factor
, jika VIF 10 maka tingkat multikolinearitas dapat ditoleransi. Multikolinearitas dilihat juga melalui TOL
Tolerance
. Nilai TOL berkebalikan dengan nilai VIF.
Tolerance
TOL mengukur variabilitas dari variabel independen yang tidak dijelaskan
oleh variabel inpenden lainnya. Jadi multikolinearitas terjadi jika VIF 10 dan nilai
tolerance
0,10. 3.8.2.3 Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat apakah terdapat korelasi antar variabel itu sendiri. Asumsi mengenai independensi
terhadap residual
non-autokorelasi dapat
diuji dengan
menggunakan uji Durbin-Watson Field dalam Gio, 2015 : 31. Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4.
Field 2009:220 menyatakan sebagai berikut. “Specifically, it Durbin
-Watson tests whether adjacent residuals are correlated. The test statistic can vary between 0 dan
4 with a value 2 meaning that the residuals are uncorrelated.
Universitas Sumatera Utara
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field
2009:220-221 menyatakan sebagai berikut. “The size of the Durbin
-Watson statistic depends upon the number of predictors in the model and the number of observations.
For accuracy, you should look up the exact acceptable values in Durbin and Watsons 1951 original paper. As very conservative
rule of thumb, values less then 1 or greater than 3 are definitely cause for concern; however, values closer to 2 may stil be
problematic depending on your sample and model”.
3.8.2.4 Uji Heteroskedastisitas