36
3.6.1.1 Uji Normalitas Data
Tujuan uji normalitas menurut Karim 2011 adalah untuk melihat apakah nilai residual terdistribusi normal atau
tidak.Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distrbusi
normal.Penelitian ini menggunakan uji statistik non parametis Kolmogorov-Smirnov K-S, grafik histogram dan grafik normal
P-Plot. Menurut Gujarati 2008, Uji K-S dilakukan dengan
membadingkan nilai K-S penelitian dengan nilai signifikansi 0,05, dimana apabila nilai K-S lebih besar dari nilai
signifikansinya maka K-S normal. Uji normalitas dengan analisis grafik histogram dilakukan dengan melihat apakah data tidak
mennceng skewness ke kiri atau ke kanan.Sementara untuk melihat apakah normalitas data dengan P-Plot, dapat dilihat dengan
apakah data mengikuti garis yang memotong sumbu X dan Y.
3.6.1.2 Uji Multikolinearitas
Menurut Karim 2011, uji multikolinearitas bertujuan untuk melihat ada atau tidaknya korelasi yang tinggi antara
variabel-variabel bebas dalam suatu model regresi berganda. Model regresi yang baik seharusnya tidak terjadi korelasi di antara
variabel independen. Deteksi multikolienaritas pasa suatu model dapat dilihat yaitu jika nilai variance inflation factor VIF tidak
37 lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model
dapat dikatakan terbebas dari multikolienaritas.
3.6.1.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah terdapat ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain Karim, 2011. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas.Salah satu uji untuk mengetahui heteroskedastisitas ini adalah dengan melihat penyebaran dari
varians residual pada diagram pancar scatterplot. Gujarati 2008 menyebutkan bahwa, cara untuk mendeteksi
ada tidaknya heteroskedastisitas adalah dengan melihat grafik Plot antara nilai prediksi variabel terikat ZPRED dengan residualnya
SRESID. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar
kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas, jika tidak ada pola yang jelas, serta titik-titik
menyebar diatas dan dibawah angka nol pada sumbu Y maka tidak terjadi heteroskedastisitas.
38
3.6.1.4 Uji Autokorelasi
Kategori