35
e = Standard error Analisis regresi berganda memerlukan pengujian secara serempak dengan
menggunakan F
hitung
dan F
tabel
, signifikansi ditentukan pada output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan serempak beberapa variabel
mempunyai pengaruh yang signifikan, tetapi secara parsial tidak Situmorang dan Lufti, 2014:166.
3.9 Uji Asumsi Klasik
Tujuan pengujian asumsi klasik ini adalah untuk memberikan kepastian bahwa persamaan regresi yang didapatkan memiliki ketepatan dalam estimasi,
tidak bias dan konsisten. Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel
tertentu. Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada
ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh, dilakukan
analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah
memenuhi persyaratan, dilakukan pengujian pada uji yang lain.
3.9.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan
lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau ke kanan.
36
Dengannya adanya tes normalitas maka hasil penelitian bisa di generalisasikan pada populasi. Dalam pandangan statistik itu sifat dan
karakteristik populasi adalah terdistribusi secara normal Situmorang dan Lufti, 2014:100.
3.9.2 Heteroskedastisitas
Uji heterokedastisitas berfungsi untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain.
Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut
homoskedastisitas. Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot
dengan memplotkan nilai ZPRED nilai prediksi dengan SRESID nilai residualnya. Model yang baik didapatkan jika tidak terdapat pola tertentu pada
grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan
adalah uji glejser, uji park atau uji white.
3.9.3 Uji Autokorelasi
Istilah autokolerasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diururtkan menurut waktu seperti dalam deret waktu
atau ruang seperti dalam cross section. Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan penganggu pada
periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan
37
sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengaganggu tidak bebas dari satu observasi ke observasi lainnya.
Hal ini biasanya terjadi pada data time series. Karena gangguan pada satu data cenderung mengganggu data lainnya Situmorang dan Lufti, 2014:120.
Pengujian Autokorelasi dapat dilakukan dengan empat cara yaitu metode grafik, the runs test, percobaan d dari durbin-watson, dan the breusch-godfrey BG Test.
Dalam penelitian ini pengujian autokorelasi menggunakan metode the runs test. Keputusan dapat dilihat melalui nilai Asymp.Sig. 2-tailed. Apabila di atas 5
berarti dapat disimpulkan bahwa tidak terjadi autokorelasi.
3.9.4 Uji Multikolenieritas
