3.10.2 Uji Asumsi Klasik
Uji asumsi klasik adalah pengujian asumsi-asumsi statistik yang harus
dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square OLS. Bagi pembuat model, asumsi merupakan anggapan pengarang dalam
membentuk model statistik yang dapat digunakan dalam kondisi-kondisi data tertentu. Sedangkan bagi pengguna model, asumsi merupakan anggapan pengarang
dalam membentuk model statistik yang digunakan layak untuk kondisi data pengamatan. Ketika asumsi tidak terpenuhi, biasanya peneliti menggunakan berbagai
solusi agar asumsinya dapat terpenuhi atau beralih ke metode yang lebih advance agar asumsinya dapat terselesaikan. Uji asumsi klasik bertujuan untuk mengetahui
kondisi data yang dipergunakan dalam penelitian. Model analisis regresi penelitian ini mensyaratkan uji asumsi terhadap data yang meliputi:
3.10.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk
lonceng Situmorang, 2008:55. Cara untuk mengetahui normalitas adalah dengan melihat pp plot yang membentuk plot antara nilai-nilai teoritis sumbu x melawan
nilai-nilai yang didapat dari sampel sumbu y. Apabila plot dari keduanya berbentuk linear dapat didekati garis lurus, maka hal ini merupakan indikasi bahwa
residual menyebar normal Situmorang, 2008:58.
Universitas Sumatera Utara
3.10.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan
kepengamatan lainnya. Jika variance dari satu residual satu pengamatan kepengamatan lainnya tetap maka terjadi homoskedastisitas jika berbeda maka
disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas Situmorang, 2008:65. Cara untuk mengetahui ada atau tidaknya
heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat ZPRED dan residualnya SRESID.
Deteksi terhadap heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot yang disajikan, jika terlihat titik-titik menyebar secara acak tidak
membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka hal ini tidak terjadi heteroskedastisitas pada
model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan konsumen, berdasarkan masukan variabel independennya.
3.10.2.3 Uji Multikolinieritas
pada mulanya multikolinieritas ini berarti adanya hubungan linear yang “sempurna” atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari
model regresi Situmorang, 2008:96. Multikolinearitas dapat dilihat dari nilai tolerance dan Variance Inflation Factor VIF kedua ukuran ini menunjukkan setiap
variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance adalah mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umumnya dipakai
Universitas Sumatera Utara
untuk menunjukkan adanya multikolinieritas adalah tolerance 0.1 sedangkan Variance Inflation Factor VIF 5 Situmorang, 2008:104.
3.10.3 Pengujian Hipotesis
Kategori