b Jika menyebar lebih jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribuso normal,
maka model regresi tidak memenuhi asumsi normalitas. Metode grafik ini memiliki kelemahan yaitu pengamatan visual dari
grafik tersebut terkadang menyesatkan apabila tidak dilakukan dengan hati – hati.
Secara visual bisa saja terlihat normal, tetapi secara statistik bisa sebaliknya. Oleh karena itu dilakukan pula uji normalitas secara statistik. Uji statistik yang dapat
digunakan untuk menguji normalitas residual adalah uji statistik non – parametrik
Kolmogrov-Smirnov K-S. Jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan diatas 0,05 maka data terdistribusi dengan normal, sedangkan jika hasil
Kolmogrov-Sminorv menunjukkan nilai signifikan dibawah 0,05 maka data residual terdistribusi tidak normal.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen Ghozali, 2013.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas dapat dideteksi dengan:
a Matrik korelasi variabel independen Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di
atas 0,90 mengindikasikan adanya multikolinearitas. Selain itu dapat disebabkan juga karena adanya efek kombinasi dua atau lebih variabel
independen.
b Nilai tolerance dan Variance Inflation Factor VIF Kedua ukuran ini menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya, dengan kata lain variabel independen dan diregres terhadap variabel independen lainnya. Tolerance
mengukur variabilitas variabel independen terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan
niali VIF yang tinggi karena VIF = 1tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance
0,10 atau sama dengan VIF 10. Jadi dekatakan tidak terjadi multikolinearitas apabila nila tolerance 0,10 dan nilai VIF 10.
3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya Ghozali, 2013. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu dengan lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke
observasi lainnya, Salah satu cara untuk mendeteksi adanya autokorelasi yaitu dengan uji
durbin-watson DW test. Uji DW test hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept
konstanta dalam model regresi serta tidak ada variabel lag diantara variabel independen. Hipotesis yang akan diuji adalah:
H : tidak ada autokorelasi r = 0
H
A
: ada autokorelasi r ≠ 0 Pengambilan keputusan ada tidaknya autokorelasi:
Tabel 3.4. Daftar Pengambilan Keputusan Ada Tidaknya Autokorelasi
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision dl ≤ d ≤ du
Tidak ada korelasi negatif Tolak
4 – dl d 4
Tidak ada korelasi negatif No decision
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi, Positif atau negatif
Tidak ditolak du d 4
– du Sumber: Ghozali, 2013
4. Uji Heterokedastisitas