1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel residual memiliki distribusi normal. Untuk mendeteksi apakah residual
berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik. Analisis grafik dilakukan dengan melihat grafik histogram Jarque Bera dengan
melihat nilai Jarque bera dibandingkan dengan nilai Chi Square dan tingkat probability. Jika nilai Jarque Beranilai Chi Square serta tingkat signifikansi
0,05 maka asumsi normalitas telah terpenuhi.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Jika varians sama,
dan ini seharusnya yang terjadi, dikatakan homoskedastisitas. Sedangkan jika varians tidak sama dikatakan heteroskedastisitas Situmorang dan Lufti, 2011:8.
Dasar analisis untuk menentukan ada atau tidaknya heteroskedastisitas dilakukan dengan pendekatan statistik, yaitu: uji Glejser. Pengujian ini dilakukan
dengan men-transform data Understandardized Residual ke dalam Absut Situmorang dan Lufti, 2011:116. Dari hasil output akan diketahui berapa besar
nilai signifikansinya. Apabila nilai Signifikansi Sig 5 disimpulkan model regresi tidak mengarah adanya heteroskedastisitas.
3. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah ada korelasi antara variabel independen dan variabel dependen. Multikolinearitas dapat dilihat dari
nilai tolerance dan Variance Inflation Factor VIF. Kedua ukuran ini
Universitas Sumatera Utara
menunjukkan setiapvariabel independen manakah yang dijelaskan oleh variabel independen lainnya. Untuk mendeteksi ada atau tidak adanya multikolinieritas
dapat dilakukan dengan melihat toleransi variabel danVIF dengan membandingkan sebagai berikut:
a. VIF 10 maka diduga mempunyai persoalan multikolinearitas.
b. VIF 10 maka tidak terdapat multikolinieritas.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul
karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya Situmorang dan Lufti, 2014:120.
Metode yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi salah satunya adalah dengan menggunakan uji Durbin Watson,
dengan kriteria pengambilan keputusan jika nilai Durbin Watson 1 dan 3 maka data tidak mengarah adanya autokorelasi. Field dalam Gio 2015:56 menyatakan
bahwa Nilai statistik dari uji Durbin Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi.
3.9 Teknik Analisis Data
Kategori