Science. Peneliti melakukan uji asumsi klasik terlebih dahulu sebelum melakukan pengujian hipotesis.
3.4.1 Uji Asumsi Klasik
Secara teoritis model yang digunakan dalam penelitian ini akan menghasilkan nilai parameter model penduga yang sahih bila memenuhi asumsi klasik, yaitu
tidak terjadi autokorelasi, multikolinearitas, dan heteroskedastisitas. Hal ini untuk memastikan bahwa model telah memenuhu criteria BLUE Best Linear Unbiased
Estimator. Adapun uji asumsi klasik yang digunakan sebagai berikut:
3.4.1.1 Uji Normalitas
Screening terhadap normalitas data merupakan langkah awal yang harus dilakukan untuk setiap analisis multivariate. Jika terdapat normalitas maka
residual akan terdistribusi secara normal dan independen. Yaitu perbedaan antara nilai prediksi dengan skor yang sesungguhnya atau error akan terdistribusi secara
simetri. Jadi salah satu cara mendeteksi normalitas adalah lewat pengamatan nilai residual. Secara statistic salah satu uji yang dapat digunakan adalah uji statistic
nom- parametrik Kolmogorov – Smirnov K-S Ghozali,2013. Uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal
baku. 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. Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan
antara data yang akan diuji dengan data normal baku, atau data berdistribusi normal.
3.4.1.2 Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel variabel independen. Jika variabel-variabel saling berkorelasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas adalah nol Ghozali, 2013. Multikolinearitas dapat juga dilihat dari
tolerance value dan Variance Inflation Factor VIF. Batas tolerance value adalah 0,10 dan VIF adalah 10.
Dasar pengambilan keputusan untuk mengetahui ada tidaknya multikolinearitas adalah sebagai berikut:
1. Jika nilai tolerance ≥ 0,10 dan nilai VIF ≤ 10, maka dapat disimpulkan bahwa tidak terjadi multikolinearitas.
2. Jika nilai tolerance ≤ 0,10 dan nilai VIF ≥ 10, maka dapat disimpulkan bahwa terjadi multikolinearitas.
3.4.2.3 Uji Heteroskedastisita s
Menurut Ghozali 2013 uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual suatu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas. Model regresi yang baik adalah yang terjadi homoskedastisitas atau tidak terjadi heteroskedastisias. Ghozali 2001 dalam Ayu
I 2012 menyatakan bahwa untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat grafik plot antara nilai prediksi variabel
Kategori