3.4 UJI ASUMSI KLASIK
Pengujian asumsi klasik dilakukan untuk mengetahui kondisi data yang ada agar dapat menentukan model análisis yang tepat. Data yang digunakan
sebagai model regresi berganda dalam menguji hipotesis haruslah menghindari kemungkinan terjadinya penyimpangan asumsi klasik.
Model regresi yang diperoleh dari metode kuadrat terkecil biasa Ordinary Least SquareOLS, merupakan model yang menghasilkan estimator linier tidak
bias yang terbaik atau BLUE Best Linier Unbiased Estimator. Menurut Santosa dan Ashari 2005:231-245 kondisi ini akan terjadi jika dipenuhi beberapa asumsi
yang disebut dengan asumsi klasik sebagai berikut: 1.
Uji Multikolinieritas Uji mutikolinearitas ini merupakan bentuk pengujian untuk asumsi dalam
analisis regresi berganda. Asumsi multikolinearitas menyatakan bahwa variabel independen harus
terbebas dari gejala multikolinearitas, gejala multikolinearitas adalah gejala korelasi antar variabel independen Santoso dan
Ashari, 2005 : 238. Uji ini bertujuan untuk menguji apakah model dengan menggunakan regresi ditemukan adanya korelasi antar variabel bebas. Model
regresi yang baik seharusnya tidak terdapat korelasi antar variabel bebasnya Dan jika nilainya tolerance 0.10 atau sama dengan nilai VIF 10 maka tidak
terjadi multikolinearitas Ghozali, 2006:91-92. 2.
Uji Heterokedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varians dari residual satu pengamatan kepengamatan
yang lain. Jika varians dari residual satu pengamatan ke pengamatanlain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heterokedastisitas.
Model regresi yang baik adalah yang Homokedastisitas atautidak terjadi Heterokedastisitas Ghozali, 2006: 125. Salah satu cara untuk mendeteksi
adanya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel independen ZPRED dengan residualnya SRESID. Deteksi
ada tidaknya heteroskedastisitas dapatdilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu
Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi - Y sesungguhnya yang telah di-studentized Ghozali, 2006: 126. Dasar
analisisnya adalah sebagai berikut Ghozali, 2006:126 : a.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentuyang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas. b.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawahangka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3. Autokorelasi
Untuk menguji apakah terjadi autokorelasi atau tidak, digunakan uji Durbin- Watson DW-Test. Menurut Santoso dan Ashari 2005:218 deteksi adanya
autokorelasi adalah: 1.
Angka D-W dibawah -2, hal ini berarti ada autokorelasi positif. 2.
Angka D-W diantara -2 sampai +2, hal ini berarti tidak ada autokorelasi. 3.
Angka D-W di atas +2, hal ini berarti ada autokorelasi negatif
3.5 UJI NORMALITAS