30
harus dipenuhi pada analisis regresi linier berganda yang berbasis ordinary least square OLS. Tujuan dari dilakukannnya pengujian ini adalah untuk
menghindari atau mengurangi bias atas hasil penelitian yang diperoleh. Uji asumsi klasik ini terdiri atas uji normalitas, uji multikolinearitas, uji
heteroskedastisitas, dan uji autokorelasi.
3.7.5.1 Uji Normalitas
Uji normalitas ini bertujuan untuk mengetahui apakah distribusi sebuah data mendekati distribusi normal yaitu distibusi data
dalam bentuk lonceng. Menurut Situmorang dan Lufti data yang baik adalah “ data yang mempunyai pola seperti distribusi normal, yaitu
distribusi data tersebut tidak menceng ke kirir atau menceng ke kanan”. Ada dua cara untuk mengetahui apakah data berdistribusi
normal atau tidak yakni dengan analisis grafik dan uji statistik. Analisis grafik dapat dilakukan dengan melihat grafik histogram dan
normal probability plot. Distribusi dapat dikatakan normal jika garis tren pada histogram berbentuk lonceng dan garis tren pada grafik
normal probability plot tidak melenceng jauh dari garis tren. Analisis statistik dilakukan dengan uji Kolmogorov Smirnov. Jika nilai
signifikansi 0,05 maka data berdistribusi normal. Dalam Ghozali 2007 pengambilan keputusan dalam uji normalitas didasarkan pada:
a. Jika data menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal atau grafik histogramnya
31
menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal danatau
tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model
regresi tidak memenuhi asumsi normalitas.
3.7.5.2 Uji Multikolinearitas
Uji multikolinearitas ini bertujuan untuk melihat apakah ada korelasi diantara variabel independen. Menurut Erlina 2011
multikolinearitas adalah “situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya”. “Adanya
multikolinearitas dapat dilihat dari nilai tolarance value dan nilai Variance Inflation Factor VIF. Tolerance value adalah mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya” Situmorang dan Lutfi, 2012.
Sedangkan VIF menurut Erlina 2011 adalah “estimasi berapa besar multikolinearitas meningkatkan varian pada suatu koefisien estimasi
sebuah variabel independen”. “Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai toleransi 0.10
atau sama dengan nilai VIF 10” Ghozali, 2007.
3.7.5.3 Uji Heteroskedastisitas
