Model persamaan yang diperoleh dari pengolahan data diupayakan tidak terjadi gejala multikolinieritas, heteroskedastisitas, dan autokorelasi. Untuk
mengetahui ada tidaknya gejala-gejala tersebut akan dilakukan uji asumsi klasik terlebih dahulu.
3.9.1 Uji Asumsi
Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda yang berbasis ordinary least square Situmorang dan
Lufti, 2012: 100.Uji asumsi klasik digunakan untuk mengetahui kondisi data yang digunakan dalam penelitian.Hal ini dilakukan agar diperoleh model analisis yang
tepat, yaitu memenuhi model estimasi yang Best Linier Unbiased Estimator. Model analisis regresi linier penelitian ini mensyaratkan uji asumsi terhadap
data yang meliputi: uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi.
3.9.1.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal yakni distribusi data dengan bentuk
lonceng.Data yang baik adalah data yang mempunyai pola distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan Situmorang dan Lufti,
2012: 100. Ada tiga cara untuk mendeteksi apakah residual berdistribusi normal atau
tidak, yaitu dengan pendekatan histogram, pendekatan grafik, dan pendekatan Kolmogorov-Smirnov.
Universitas Sumatera Utara
Uji normalitas data dengan pendekatan histogram dapat dilihat dengan kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satunya adalah bahwa mean,
mode, dan median pada tempat yang sama. Pada pendekatan histogram variabel berdistribusi normal jika dapat ditunjukkan oleh distribusi data yang tidak menceng
ke kiri atau menceng ke kanan. Metode lain yang dapat digunakan adalah pendekatan grafik, dengan melihat
normal probability plot. Dasar pengambilan keputusan normal probability plot dalam uji normalitas yaitu:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal,
maka model regresi memenuhi asumsi normalitas. 2.
Jika data menyebar jauh garis diagonal dan tidak mengkuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Untuk mendeteksi normalitas data dapat dilakukan dengan uji statistik Kolmogorov Smirnov K-S. Dasar pengambilan keputusan berdasarkan uji
Kolmogorov Smirnov K-S dapat dilihat dari: 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.
3.9.1.2 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen.Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen.Untuk melihat ada
Universitas Sumatera Utara
atau tidaknya multikolinieritas dalam model regresi dilihat dari nilai Tolerance dan lawannya Variance Inflation Factor VIF. Nilai cut off atau batasan yang umum
dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance 0,10 atau nilai VIF 5.
Dasar pengambilan keputusan untuk mendeteksi ada atau tidak adanya multikolinieritas dapat dilakukan dengan melihat toleransi variabeldan VIF dengan
membandingkan Situmorang dan Lufti, 2012: 140: 1.
Jika nilai Tolerance 0,1 dan nilai VIF 5, maka diduga mempunyai persoalan multikolinieritas, artinya model regresi tersebut tidak baik.
2. Jika nilai Tolerance 0,1 dan nilai VIF 5, maka tidak terdapat
multikolinieritas, artinya model regresi tersebut baik.
3.9.1.3 Uji Autokorelasi
