baik adalah model regresi yang memiliki distribusi normal atau mendekati normal, sehingga layak dilakukan pengujian secara statistik.
Dasar pengambilan keputusan bisa dilakukan berdasarkan probabilitas Asymtotic Significance, yaitu:
Jika pertumbuhan laba 0,05 maka distribusi dari populasi adalah normal. Jika pertumbuhan laba 0,05 maka populasi tidak berdistribusi secara
normal. Pengujian secara visual dapat juga dilakukan dengan metode gambar normal
Probability Plots dalam program SPSS. Dengan dasar pengambilan keputusan sebagai berikut:
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi memenuhi asumsi
normalitas. Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis
diagonal, maka dapat disimpulkan bahwa model regresi tidak memenuhi asumsi normalitas.
Selain itu uji normalitas digunakan untuk mengetahui bahwa data yang diambil berasal dari populasi berdistribusi normal. Uji yang digunakan untuk
menguji kenormalan adalah uji Kolmogorov-Smirnov. Berdasarkan sampel ini akan diuji hipotesis nol bahwa sampel tersebut berasal dari populasi berdistribusi
normal melawan hipotesis tandingan bahwa populasi berdistribusi tidak normal.
1.2. Uji Multikolinieritas
Multikolinieritas memiliki arti antara variabel bebas yang satu dengan variabel bebas lain dalam model regresi terjadi hubungan yang mendekati
sempurna. Uji multikolinieritas bertujuan untuk menguji apakah pada sebuah model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi
korelasi, maka dinamakan terdapat problem multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika terbukti
ada multikolinieritas, sebaiknya salah satu dari variabel independen yang ada dikeluarkan dari model, lalu pembuatan model regresi diulang kembali Singgih
Santoso, 2012:234. Untuk mendeteksi ada tidaknya multikolinieritas dapat dilihat pada besaran Variance Inflation Factor VIF dan Tolerance. Pedoman suatu
model regresi yang bebas multikolinieritas adalah mempunyai angka tolerance mendekati 1. Batas VIF adalah 10, jika nilai VIF di bawah 10, maka tidak terjadi
gejala multikolinieritas Gujarati, 2012:432. Rumus yang digunakan adalah sebagai berikut:
Sumber: Singgih Santoso, 2012:236
1.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians pada residual error dari satu
pengamatan ke pengamatan yang lain. Jika varians dari residual suatu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika varians
berbeda disebut sebagai heteroskedastisitas. Sebuah model regresi dikatakan baik
VIF T er ce
jika tidak terjadi heteroskedastisitas. Deteksi adanya heteroskedastisitas, yaitu dengan melihat ada tidaknya pola tertentu pada grafik scatterplot Singgih
Santoso, 2012:240. Dasar pengambilan keputusannya adalah: Jika ada pola tertentu, seperti titik-titik point- point yang ada membentuk
suatu pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka terjadi heteroskedastisitas.
Jika tidak ada pola yang jelas, serta titik- titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau
terjadi homosdkedastisitas.
1.4. Uji Autokorelasi
Uji autokorelasi yang dilakukan dalam penelitian ini bertujuan untuk mengetahui apakah dalam sebuah model regresi linier ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.
Tentu saja model regresi yang baik adalah regresi yang bebas dari autokorelasi Singgih Santoso, 2012:241. Pada prosedur pendeteksian masalah autokorelasi
dapat digunakan besaran Durbin-Watson. Singgih Santoso 2012:241 menguraikan patokanstandar untuk autokorelasi sebagai berikut:
Angka D-W di bawah -2 berarti ada autokorelasi positif. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi.
Angka D-W di atas +2 berarti ada autokorelasi negatif.