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