Data Primer Metode Pengumpulan Data
76
b. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Deteksi ada atau tidaknya heteroskedastisitas dapat dilihat dari ada atau tidaknya pola
tertentu pada grafik scatterplot. Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar
kemudian menyempit maka mengindikasikan bahwa telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik yang
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2013:139-141
Selain menggunakan grafik scatterplot, untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam model regresi yang dibuat dapat juga
dilihat dari hasil uji heteroskedastisitas dengan menggunakan uji Glejser. Jika variabel independen signifikan secara statistik mempengaruhi variabel
dependen, maka ada indikasi terjadi heteroskedastisitas Ghozali, 2013:143. Jadi apabila nilai signifikansi lebih besar dari 0,05 dan nilai
t
hitung
t
tabel
maka tidak terjadi heteroskedastisitas.
77
c. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2013:160.
Dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal, normalitas akan terlihat.
Distribusi normal akan membentuk suatu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data
residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali, 2013:161.
Selain itu, uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogorov-
Smirnov K-S. Jika nilai signifikansi dari pengujian Kolmogorov- Smirnov lebih besar dari 0,05 berarti data normal Ghozali, 2013:164.