Uji Normalitas Uji Autokorelasi

48

3.5. Metode Analisis Data

Metode analisis data yang dilakukan dalam penelitian ini adalah dengan analisis statistic yang menggunakan regresi linear berganda dan menggunakan SPSS 19. Tahapan yang dilakukan dalam analisis data penelitian ini adalah:

3.5.1. Uji Asumsi Klasik

Penggunaan analisis regresi berganda mensyaratkan dilakukannya pengujian asumsi klasik untuk memperoleh hasil Best Linear Unbiased Estimator BLUE dengan menggunakan metode Ordinary Least Square OLS atau pangkat kuadrat terkecil biasa. Model regresi dikatakan BLUE jika memenuhi semua asumsi klasik. Berikut ini penjelasan mengenai uji asumsi klasik yang akan dilakukan.

3.5.1.1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual mempunyai distribusi normal atau tidak Ghozali, 2005:110. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi, uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Pengujian normalitas dapat menggunakan grafik P-P Plot dan uji Kolmogrov-Smirnov. Grafik P-P Plot dilihat apabila titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas, sedangkan dasar pengambilan keputusan uji Kolmogorov-Smirnov adalah melihat nilai signifikannya. Jika nilai Universitas Sumatera Utara 49 signifikan 0,05, maka distribusi data normal. Sebaliknya, bila nilai signifikan 0,05, maka distribusi data tidak normal.

3.5.1.2. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penganggu t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena ada observasi yang berurutan sepanjang waktu berkaitan satu sama lainya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainya. Hal ini sering ditemukan pada data runtut waktu atau times series, karena “gangguan” pada seorang individukelompok cenderung mempengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnyaGhozali, 2005:95. Mendeteksi ada tidaknya autokorelasi, digunakan uji Durbin-Watson uji DW. Tabel Durbin Waston tersebut memuat dua nilai batas, yaitu batas atas � � dan batas bawah � � , untuk berbagai nilai n dan k jumlah variabel bebas. Pengambilan keputusan ada tidaknya autokorelasi: 1. 0d W � � , berarti ditolak karena tidak ada autokorelasi positif + 2. d L d W d U , tidak dapat disimpulkan Universitas Sumatera Utara 50 3. d U d W 4-d U , berarti diterima karena tidak ada autokorelasi 4. 4-d U d W 4-d L , tidak dapat disimpulkan 5. 4-d L d w 4, berarti ditolak karena tidak ada autokorelasi negatif -

3.5.1.3. Uji Heteroskedastisitas