Pengujian Normalitas Pengujian Multikolinearitas

commit to user 51

2. Uji Asumsi Klasik

a. Pengujian Normalitas

Uji normalitas bertujuan untuk menguji apakah data terdistribusi normal atau tidak. Data yang baik adalah yang terdistribusi normal. Untuk menguji normalitas, peneliti akan menggunakan analisis grafik. Salah satu cara yang mudah untuk melihat normalitas residual adalah dengan membuat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk suatu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan: a. Jika data menyebar disekitar garis diagonal dan akan mengikuti arah garis diagonal atau grafik histogramnya menunjukan pola distribusi yang normal, maka model regresi memenuhi asumsi normalitas. b. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. commit to user 52 Dalam penelitian ini, peneliti menggunakan asumsi central limit theorem yang menyatakan bahwa untuk jumlah observasi sampel kategori besar n 30 akan mendekati suatu distribusi normal Gujarati, 2003.

b. Pengujian Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji adanya keterkaitan hubungan antara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling korelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinearitas didalam model, peneliti akan melihat Tolerance TOL dan Variance Inflation Factors VIF dengan alat bantu program SPSS. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Jadi nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai Tolerance 0.10 atau sama dengan nilai VIF 10.

c. Pengujian Autokorelasi