1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas.
2 Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal
atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
“Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov K-S”, yang dijelaskan oleh Ghozali 2005 : 115.
Uji K-S dibuat dengan membuat hipotesis: H
: Data residual berdistribusi normal H
a
: Data residual tidak berdistribusi normal Bila signifikansi 0,05 dengan
α = 5 berarti distribusi data normal dan H diterima, sebaliknya bila nilai signifikan 0,05 berarti distribusi data tidak normal
dan H
a
diterima. Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto 2004 : 172, yaitu:
1 Dengan melakukan transformasi data ke bentuk lain, yaitu: Logaritma
Natural, akar kuadrat, Logaritma 10, 2
Lakukan trimming, yaitu memangkas observasi yang bersifat outlier, 3
Lakukan winsorizing, yaitu mengubah nilai-nilai data outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya
menjadi normal.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik
seharusnya menunjukkan tidak terjadinya korelasi diantara variabel independen.
Universitas Sumatera Utara
Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel-variabel
bebas tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Model regresi yang baik seharusnya tidak ada korelasi antar variabel independen. Ada tidaknya multikolinearitas dapat dideteksi dengan :
1 Melihat nilai tolerance,
nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10.
2 Melihat nilai variance inflation factor VIF,
nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai VIF 10.
3 Menganalisis matrik korelasi variabel-variabel independen,
menurut Ghozali 2005 : 93 “untuk matrik korelasi adanya indikasi multikolonieritas dapat dilihat jika antar variabel independen ada korelasi yang
cukup tinggi umumnya diatas 0,95”. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka
konsekuensinya adalah: a koefisien-koefisien regresi menjadi tidak dapat ditaksir, b nilai standar error setiap regresi menjadi tak terhingga. Apabila
terjadi korelasi antara variabel independen, maka dinamakan terdapat problem multikolinearitas.
c. Uji Heteroskedastisitas
Universitas Sumatera Utara
Heteroskedastisitas merupakan situasi dimana dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Erlina 2007 : 108 menyatakan “jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Sebaliknya jika
varians berbeda, maka disebut heteroskedastisitas”. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antar nilai
prediksi variabel independen dengan nilai residualnya. Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain:
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas, 2 Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Menurut Ghozali 2005 : 107 ”analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi
hasil ploting. Semakin sedikit jumlah pengamatan semakin sulit menginterpretasikan hasil grafik plot”.
d. Uji Autokorelasi