29
1. Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal.
2. Nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
3.7.1.2 Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut Homoskedastisitas. Dan jika varians
berbeda, maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas Ghozali, 2011 : 105.
Untuk mengetahui adanya masalah heteroskesdatisitas, kita bisa menggunakan korelasi jenjang Spearman, Park test, Goldfeld-Quandt test, BPG
tast, White test atau Glejser test. Bila menggunakan korelasi jenjang Spearman, maka kita harus menghitung nilai korelasi untuk setiap variabel independen
terhadap nilai residu, baru kemudian dicari tingkat signifikansinya. Park dan Glejser test memiliki dasar test yang sama yaitu meregresikan kembali nilai residu
ke variabel independen. Salah satu cara untuk mengurangi masalah heteroskesdatisitas adalah
menurunkan besarnya rentang range data. Salah satu cara yang bisa dilakukan untuk menurunkan rentang data adalah melakukan transformasi manipulasi
logaritma. Tindakan ini bisa dilakukan bila semua data bertanda positif.
Universitas Sumatera Utara
30
3.7.1.3 Uji Autokorelasi
Uji autokorelasi ini digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi. Model regresi yang baik adalah model
yang tidak mengandung autokorelasi. Autokorelasi adalah keadaan dimana variabel error-term pada periode tertentu berkorelasi dengan variabel error-term
pada periode lain yang bermakna variabel error-term tidak random. Pelanggaran terhadap asumsi ini berakibat interval keyakinan terhadap hasil estimasi menjadi
melebar sehingga uji signifikansi tidak kuat. Uji ini dilakukan pada penelitian yang menggunakan data time series. Oleh karena data dalam penelitian ini
merupakan gabungan antara data cross section dan time series, maka harus dilakukan uji autokorelasi terlebih dahulu.
Uji autokorelasi dalam penelitian ini dilakukan dengan uji Durbin-Watson DW. Langkah pendeteksian adanya autokorelasi adalah dengan membandingkan
nilai Durbin-Watson statistic table dengan Ho, tidak ada autokorelasi bila DW berada di :
0 a dl b du c 4-du d 4-dl e 4 Ho : tidak ada autokorelasi
a : daerah menolak Ho : ada autokorelasi b : daerah ragu-ragu
c : daerah tidak menolak Ho : tidak ada autokorelasi positif atau negatif d : daerah ragu-ragu
e : daerah menolak Ho : ada autokorelasi negatif
Universitas Sumatera Utara
31
3.7.1.4 Uji Multikolinearitas