Jika nilai signifikasi nilai probabillitasnya 5 , maka
distribuasi adalah normal.
3.4.2. Uji Asumsi Klasik
Persamaan regresi tersebut diatas harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan uji F dan uji t tidak
boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi tiga asumsi klasik yang tidak boleh dilanggar oleh persamaan
tersebut, yaitu : 1.Tidak boleh ada Autokorelasi.
2. Tidak boleh ada Multikolonearitas. 3. Tidak boleh ada Heteroskedastisitas.
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE.
1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antar data data observasi yang diurutkan berdasarkan urut waktu data time series atau
data yang diambil pada waktu tertentu data crossectional Gujarati, 1995: 201 .
Pengujian autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan. Untuk
mengetahui ada atau tidaknya gejala autokorelasi maka perlu dilihat kriteria Durbin Watson sebagai berikut Ghozali, 2006 : 99 :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel x.x Deteksi adanya autokorelasi dengan criteria Durbin Watson Hipotesis Nol
Keputusan Jika
Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif
No decision dl d du
Tidak ada korelasi negatif Tolak
4-dl d 4 Tidak ada korelasi negative
No decision 4 – du d 4 – di
Tidak ada autokorelasi positif atau negative
Tidak ditolak du d 4 – du
Sumber: Ghozali, Imam, 2006, Aplikasi Analisis Multivariate dengan Program SPSS, Edisi Tiga, Penerbit Badan Penerbit Universitas
Diponegoro, Semarang.
2. Multikolinearitas Tujuan dari multikolinearitas adalah untuk menguji apakah ada
model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak ada korelasi diantara variabel bebas
independen Ghozali, 2006: 95. Salah satu cara yang digunakan untuk mengetahui ada tidaknya
multikolonearitas yaitu dengan melihat besarnya nilai Variance Inflation Factor VIF. VIF ini dapat dihitung dengan rumus : VIF = 1.
Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Nilai tolerance yang
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
umum dipakai adalah 0,01 atau sama dengan nilai VIF dibawah 10, maka tidak terjadi multikolonearitas. Apabila nilai VIF lebih tinggi dari 10 maka
akan terjadi multikolinearitas. 3. Heteroskedastisitas
Heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan
yang lain Ghozali, 2006: 125. Maksud dari penyimpangan heteroskedastisitas adalah varian variabel dalam model tidak sama
konstan. Untuk mendeteksi ada atau tidaknya heteroskedastisitas digunakan
korelasi Rank Spearman antara residual dengan variabel independen, adalah :
Nilai probabilitas 5, tidak mengandung adanya
heteroskedastisitas.
Nilai probabilitas 5, mengandung adanya heteroskedastisitas.
3.4.3. Teknik Analisis