2. Jika Z hitung Kolmogorov Smirnov Z tabel 1,96, atau
angka signifikan taraf signifikansi α 0,05 maka distribusi data dikatakan tidak normal.
Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram
dari nilai residualnya. Dasar pengambilan keputusannya adalah: 1.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau garis 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. Dalam penelitian ini Peneliti menggunakan uji Kolmogorov
Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat dengan membuat hipotesis:
H0: data residual berdistribusi normal, Ha: data residua l tidak berdistribusi normal.
Bila signifikansi 0,05 dengan α = 5, berarti distribusi data
normal dan H0 diterima, sebaliknya bila nilai nilai signifikansi 0,05 berarti distribusi data tidak normal dan Ha diterima. Data yang tidak
terdistribusi secara tidak normal dapat ditransformasikan agar menjadi normal.
3.7.1.2 Uji Multikolinieritas
Menurut Ghozali 2005, “uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel
Universitas Sumatera Utara
independen.” Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinieritas adalah situasi
adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Jika terjadi korelasi sempurna di antara sesama variabel
bebas, maka konsekuensinya adalah: 1.
Koefisien-koefisien regresi menjadi tidak dapat ditaksir. 2.
Nilai standar error setiap koefisien regresi menjadi tak terhingga. Ada tidaknya multikolinieritas dapat dideteksi dengan melihat
nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis matriks korelasi variabel-variabel independen. Nilai cut
off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai VIF tidak lebih dari sepuluh dan nilai tolerance tidak
kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinieritas.
3.7.1.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu
pengamatan dengan pengamatan yang lain. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Jika variance dari satu
pengamatan ke pengamatan lain sama, maka dapat disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang homoskedastisitas. Menurut Nugroho 2005:62 cara memprediksi ada tidaknya
heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang
menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:
Universitas Sumatera Utara
1. Titik-titik data menyebar di atas, di bawah atau di sekitar
angka nol. 2.
Titik-titik data tidak mengumpul hanya di atas atau dibawah saja.
3. Penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data sebaiknya tidak berpola.
3.7.1.4 Uji Autokorelasi