50
pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
-
Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan
pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
B. Analisis Statistik Uji statistik yang digunakan untuk menguji normalitas
adalah uji statistik nonparametric Kolmogorov-Smirnov K-S. Pedoman dalam pengambilan keputusan normal atau tidaknya data
yang akan diolah adalah sebagai berikut:
-
Apabila hasil signifikansi lebih besar dari 0,05 maka data terdistribusi normal.
-
Apabila hasil signifikansi lebih kecil dari 0,05 maka data tersebut tidak terdistribusi secara normal.
3.8.2.2 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel– variabel independen antara yang satu dengan yang lainnya. Dalam
hal ini, kita sebut variabel – variabel bebas ini tidak ortogonal Erlina,2008:156. Variabel – variabel bebas yang bersifat
ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Model regresi yang baik
selayaknya tidak terjadi multikolinearitas. Multikolinearitas dapat
51
dilihat dari VIF Variance Inflation Factor, jika VIF 10 maka tingkat multikolinearitas dapat ditoleransi. Multikolinearitas dilihat
juga melalui TOL Tolerance. Nilai TOL berkebalikan dengan nilai VIF. Tolerance TOL mengukur variabilitas dari variabel
independen yang tidak dijelaskan oleh variabel inpenden lainnya. Jadi multikolinearitas terjadi jika VIF 10 dan nilai tolerance
0,10.
3.8.2.3 Uji Autokorelasi
Uji ini bertujuan untuk mengetahui apakah ada korelasi antar kesalahan pengganggu pada periode t dengan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi ada
atau tidaknya autokorelasi adalah dengan uji Durbin Watson DW. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Hal ini terjadi karena kesalahan
pengganggu tidak bebas dari observasi lainnya. Salah satu cara yang dapat dilakukan untuk mendeteksi terjadi atau tidaknya
autokorelasi adalah dengan uji Durbin Watson. Uji ini hanya digunakan untuk autokorelasi tingkat pertama first order
autokorelasi dan mensyaratkan adanya intercept konstanta dalam model regresi.
52
Tabel 3.2 Kriteria Pengambilan Keputusan
Metode Durbin-Watson Kriteria Pengujian
Keputusan Kesimpulan
0 d dl Terjadi autokorelasi
positif Tolak
dl ≤ d ≤ du
Tidak ada autokorelasi positif
Tidak Ada Keputusan
4-dl d 4 Terjadi autokorelasi
negatif Tolak
4-du ≤ d ≤ 4-dl
Tidak ada autokoelasi negatif
Tidak Ada Keputusan
du d 4-du Tidak ada autokorelasi
positif atau negatif Tidak Ditolak
Sumber : Ghozali, Imam, 2006. Aplikasi Analisis Multivariance dengan Program SPSS, Edisi Ketiga, Badan Penerbit Universitas
Diponegoro, Semarang, hal 96.
3.8.2.4 Uji Heteroskedastisitas