sedangkan pengaruh tidak langsung dilakukan dengan mengalikan koefisien beta dari variabel yang dilalui. Pengaruh total dihitung dengan menjumlahkan
pengaruh langsung dan pengaruh tidak langsung. Uji keberartian koefisien jalur dapat dilihat dari nilai t, jika nilai t hitung t tabel maka koefisien jalur berarti
pada α yang dipilih. Jika sebaliknya maka koefisien jalur tidak berarti. Atau jika nilai Sig.p-
value α maka koefisien jalur berarti, jika sebaliknya maka koefisien jalur tidak berarti.
3.5. Uji Asumsi Klasik
3.5.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah distribusi data penelitian kedua variabel terdistribusi secara normal. Uji normalitas ini diajukan
dengan menggunakan uji One Sample Kolmogorov-Smirnov. Kaidah yang digunakan adalah apabila nilai p0.05, maka disimpulkan bahwa subjek penelitian
memiliki sebaran normal, sedangkan apabila nilai p0.05, maka disimpulkan bahwa subjek penelitian tidak memiliki sebaran normal.
3.5.2. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variable bebas. Dalam penelitian ini, untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi
digunakan matrik korelasi variable-variabel bebas, dan melihat nilai tolerance dan Variance Inflation Factor VIF dengan perhitungan bantuan program SPSS for
Windows. Jika dari matrik korelasi antar variable bebas ada korelasi yang cukup tinggi umumnya di atas 0,90, maka hal ini merupakan indikasi adanya problem
Universitas Sumatera Utara
multikolinearitas, dan sebaliknya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya problem multikolinearitas adalah nilai Tolerance 0,10 atau
sama dengan nilai VIF 10 Ghozali, 2006. Cara mengatasi multikolinieritas sebagai berikut: a transformasi tabel. Jika
terlihat pada model awal dengan adanya gejala multikolinieritas maka dapat dilakukan transformasi variabel yang bersangkutan ke dalam bentuk logaritma
natural atau bentuk-bentuk transformasi lainnya, sehingga nilai t hitung yang dihasilkan secara individu variabel independen dapat secara signifikan
mempengaruhi variabel dependen. b meningkatkan jumlah data sampel. Dengan adanya peningkatan jumlah data sampel diharapkan mampu menurunkan standars
error disetiap variabel independen dan akan diperoleh model yang benar-benar bisa menaksir koefisien regresi secara tepat.
3.5.3. Uji Heteroskedastisitas
