3.7.2. Uji Asumsi Klasik
Uji asumsi klasik dimaksudkan untuk mengetahui apakah model regresi linier berganda yang digunakan dalam menganalisis penelitian ini
memenuhi asumsi klasik atau tidak.
3.7.2.1. Uji Normalitas
Uji normalitas betujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
Uji normalitas data penelitian ini menggunakan analisis grafik. Data dianalisis menggunakan bantuan komputer program SPSS For Windows
Release 16.00 dengan melihat Normal Probability Plot yang membandingkan distribusi kumulatif dari distribusi normal.
Deteksi uji normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan
melihat histogram dari residualnya. Dasar pengambilan keputusan: Jika data menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal atau grafik histogramnya menunjukkan 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.
3.7.2.2. Uji Heteroskesdastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokesdastisitas
dan jika berbeda disebut heteroskesdastisitas. Model regresi yang baik adalah yang homokesdastisitas atau yang tidak terjadi heteroskedastisitas.
Untuk mengetahui gejala heteroskedastisitas dilakukan dengan mengamati grafik Scatter Plot dengan pola titik-titik yang menyebar. Jika
titik-titik di Scatter Plot menyebar maka tidak terjadi heteroskedastisitas.
3.7.2.3. Uji Multikolinieritas
Uji ini bertujuan untuk mengetahui antara variabel independen yang satu dengan independen yang lain dalam regresi saling berhubungan
secara sempurna atau mendekati sempurna koefisien korelasinya tinggi atau bahkan 1. Konsekuensi bagi model regresi yang mengandung
multikolinieritas adalah bahwa kesalahan standar estimasi akan cenderung meningkat dengan bertambahnya variabel independen, tingkat
signifikansi yang digunakan untuk hipotesis nol akan semakin besar. Akibatnya model regresi yang diperoleh tidak valid untuk menaksir
variabel independen. Untuk mengetahui ada tidaknya multikolinieritas dalam model regresi adalah melihat nilai Tolerance dan lawannya
Variance Inflation Faktor VIF. Kedua ukuran ini menunjukkan setiap
variabel bebas lainnya. Nilai cut off yang umumnya digunakan adalah Tolerance 0,10 sama dengan nilai VIF di atas 10 Ghozali, 2006:96.
3.7.3. AnalisisRegresi Berganda
Kategori