Uji Normalitas Data Uji Linieritas Uji Multikolinieritas

3.6.3. Uji Asumsi Klasik

Uji asumsi klasik digunakan sebagai alat prediksi. Uji asumsi klasik meliputi:

1. Uji Normalitas Data

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat, variabel bebas atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau penyebaran data statistik pada sumbu diagonal dari grafik distribusi normal Ghozali,2011:160. Pengujian normalitas dalam penelitian ini digunakan dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari data normal. Sedangkan dasar pengambilan keputusan untuk uji normalitas data adalah Ghozali,2011:160 : 1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan distribusi normal, maka model regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Penghitungan uji normalitas data bisa juga menggunakan one sample Kolmogrov-Smirnov test melalui program SPSS For Windows versi 16. Jika nilai signifikansi 0,05 maka distribusi dikatakan normal, sebaliknya jika nilai signifikansi 0,05 maka distribusi dikatakan tidak normal.

2. Uji Linieritas

”Uji linieritas digunakan untuk melihat apakah spesifik model yang digunakan sudah benar atau tidak. Dengan uji linieritas akan diperoleh informasi apakah model empiris sebaiknya linear, kuadrat, atau kubik ” Ghozali, 2006:115. Jika nilai signifikansi pada tabel ANOVA 0,05 maka model sebaiknya berbentuk linear. Jika data berbentuk linear maka penggunaan analisis regresi pada pengujian hipotesis dapat dipertanggungjawabkan, namun jika tidak linear maka harus digunakan analisis non linear.

3. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk mengetahui apakah antar variabel bebas yang terdapat dalam model memiliki hubungan yang sempurna. Salah satu ciri adanya gejala multikolinieritas adalah model mempunyai koefisien determinasi R 2 yang tinggi. Salah satu cara untuk mengetahui ada tidaknya multikolinieritas dilakukan dengan mengkorelasikan variabel dan apabila korelasinya signifikan maka antar variabel bebas tersebut terjadi multikolinieritas. Pengujian multikolinieritas dapat dilihat dari nilai toleransi dan nilai variance inflatio factor VIF melalui program SPSS For Windows Release 16. Menurut Ghozali 2011: 106, ”Antara variabel bebas dikatakan terjadi multikolinieritas apabila nilai toleransi 0,10 dan nilai VIF 10, sebaliknya jika antara variabel bebas dikatakan tidak terjadi multikolinieritas apabila nilai toleransi 0,10 dan nilai VIF 10”.

4. Uji Heteroskedastisitas