parametrik untuk mendapatkan model regresi yang baik, model regresi tersebut
harus terbebas
dari multikolinearitas,
autokorelasi, dan
heteroskedastisitas serta data yang dihasilkan harus berdistribusi normal. Cara yang digunakan untuk menguji penyimpangan asumsi klasik adalah sebagai
berikut :
3.5.5.1 Deteksi Normalitas
Deteksi normalitas bertujuan untuk mendeteksi apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal
Ghozali, 2006. Maka regresi yang baik adalah yang mempunyai distribusi data normal atau mendekati normal. Pada prinsipnya normalitas dapat
dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan
keputusan : 1.
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya, menunjukkan pola distribusi normal.
2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah
garis diagonal atau garis histogramnya, menunjukkan pola distribusi tidak normal.
Uji Normalitas menggunakan Kolgorof-Smirnov untuk melihat apakah data terdistribusi normal atau tidak.
Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan
pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik.
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data yang akan diuji normalitasnya dengan
distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi
sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika
signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan.
Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan
dengan data normal baku, berarti data tersebut tidak normal. Uji Kolmogorov- Smirnov dilakukan dengan hipotesis :
HO : residual terdistribusi normal HA : residua tidak terdistribusi normal
3.5.5.2 Deteksi Multikolineritas
