60 klasik yang dilakukan dalam penelitian ini adalah Uji Normalitas, Uji
Multikoleniaritas, Uji Autokorelasi, dan Uji Heteroskedastisitas.
3.8.2.1. Uji Normalitas Data
Menurut Erlina dan Mulyani 2007 : 103, “ uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, gunakan statistik
parametrik dan jika data tidak normal gunakan statistik no parametrik atau lakukan treatment agar data normal.”
Menurut Ghozali 2005 : 110, “ uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji
statistik menjadi tidak valid untuk jumlah sampel kecil.” Ada dua cara untuk mendeteksi apakah residual berdistribusi normal
atau tidak menurut Ghozali 2005 : 110, yaitu :
1 Analisis grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi
dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal
adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi
normal akan membentuk satu garis lurus diagonal dan plotnya data residual akan dibandingkan dengan garis diagonal. Jika ditribusi data
Universitas Sumatera Utara
61 residual normal, maka garis yang menggambarkan data sesungguhnya
akan mengikuti garis diagonalnya. 2
Analisis statistik Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan
nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-
Smirnov K-S. Pedoman pengambilan keputusan tentang data tersebut mendekati atau
merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat dari :
a Nilai Sig. atau signifikan atau probability0,05, maka distribusi data
adalah tidak normal. b
Nilai Sig. atau signifikan atau probability0,05, maka distribusi data adalah normal.
3.8.2.2. Uji Multikoliniearitas
Multikoliniearitas adalah situasi adanya korelasi variabel-variabel independen anatara yang satu dengan yang lainnya. Dalam hal ini disebut
variabel-variabel bebas tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memilki nilai korelasi
diantara sesamanya sama dengan nol. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah : 1
Koefisien-koefisien regresi menjadi tidak dapat ditaksir. 2 Nilai standar error setiap koefisien regresi menjadi tak terhingga. Pengujian ini
Universitas Sumatera Utara
62 bermaksud untuk menguji apakah pada model regresi ditemukan adanya
korelasi antar variabel independen. Jika terjadi korelasi, maka dinamakan terdapat problem multikolinearitas.
Pengujian multikolinearitas dilakukan dengan melihat nilai VIF dan korelasi diantara variabel independen. Jika nilai VIF lebih besar dari
10, maka terjadi multikolinearitas diantara variabel independen. Disamping itu, suatu model terdapat gejala miltikolinearitas, jika korelasi
diantara variabel independen lebih besar dari 0,1 Ghozali, 2005 : 92. Adapun dua cara yang dapat dilakukan jika terjadi
multikolinearitas, yaitu : a
Mengeluarkan salah satu variabel, misalnya variabel independen A dan B saling berkorelasi dengan kuat, maka bisa dipilih A atau B yang
dikeluarkan dari model regresi.
b Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi
Ridge.
3.8.2.3. Uji Autokorelasi
