lix Untuk menghitung model skor atau nilai faktor ke i bisa dihitung dengan
menggunakan rumus: F
i
= W
i 1
X
1
+ W
i 2
X
2
+ W
i 3
X
3
+ …….. + W
i k
X
k
Di mana : F
i
= perkiraan faktor ke-i didasarkan pada nilai variabel X dengan koefisiennya W
i
W
i
= timbangan atau koefisien nilai factor ke-i K
= banyaknya variabel
2. Uji Asumsi Klasik
Pengujian asumsi klasik bertujuan mendapatkan model penelitian yang valid dan dapat digunakan estimasi. Pengujian asumsi klasik dalam penelitian
ini meliputi normalitas, uji multikolinieritas, uji autokorelasi dan uji heteroskedastisitas.
a Uji Normalitas Uji normalitas digunakan untuk mengetahui apakah dalam model regresi,
variabel terikat, variabel bebas ataupun keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data
normal atau mendekati normal. pengujian normalitas dalam penelitian ini menggunakan Normal Probability Plot yang membandingkan distribusi
kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan
lx ploting data akan dibandingkan dengan garis diagonal. Dasar pengambilan
keputusan dalam uji normalitas • Jika data berada di sekitar garis diagonal serta penyebarannya mengikuti
arah garis diagonal, maka data model regresi dinyatakan memenuhi asumsi normalitas.
• Jika data menyebar dari garis diagonal serta penyebarannya mengikuti arah garis diagonal, maka data model regresi dinyatakan tidak memenuhi
asumsi normalitas.
b. Uji Multikolinieritas Pengujian ini dilakukan untuk melihat apakah pada model regresi terdapat
korelasi antara variabel bebas independent. Model regresi yang baik adalah model regresi yang tidak terjadi korelasi diantara variabel independen. Untuk
mengetahui terjadi atau tidaknya multikolinieritas pada model regresi dilakukan dengan cara sebagai berikut :
i Dilihat dari nilai VIF Variance Inflation Factor Jika model regresi memiliki angka VIF lebih besar dari pada nilai 10 maka
dikatakan terdapat masalah multikolinieritas dan sebaliknya jika model regresi memiliki angka VIF kurang dari 10 maka pada model regresi dikatakan tidak
terdapat masalah multikolinieritas. Ghozali, 2001 ii Dilihat dari nilai tolerance
Jika model pada regresi memiliki nilai tolerance kurang dari 0.10 maka dikatakan terdapat masalah multikolinieritas dan jika sebaliknya model regresi
lxi memiliki nilai tolerance lebih dari 0,10 maka dapat dikatakan model regresi
tidak terdapat masalah multikolinieritas. Ghozali, 2001
c Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model
regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi Imam Ghazali, 2002:61. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mengetahui terjadi atau tidaknya autokorelasi pada
model regresi, maka akan digunakan uji Durbin-Watson DW test. Menurut Durbin Watson Statistics, pengambilan keputusan ada atau
tidaknya autokorelasi didasarkan pada 5 kondisi autokorelasi : o
0 d dL : ada autokorelasi positif.
o dL d dU : inconclusive ragu-ragu ada autokorelasi positif.
o dU d 4-dU : tidak terjadi autokorelasi positif maupun negatif.
o 4-dU d 4-dL: inconclusive ragu-ragu ada autokorelasi negatif.
o 4-dL d 4 : ada autokorelasi negatif.
Selain itu menurut Singgih Santoso 2000:218 secara umum angka D-W yang dapat dijadikan dalam pengambilan keputusan adalah:
o Angka D-W di bawah -2 berarti ada autokorelasi positif.
lxii o
Angka D-W di antara -2 sampai dengan 2 berarti tidak ada autokorelasi.
o Angka D-W diatas 2 berarti terdapat autokorelasi negatif.
Jika ada masalah autokorelasi, maka model regresi yang seharusnya signifikan dilihat angka F dan signifikannya, menjadi tidak layak untuk
dipakai Uji F uji secara simultan.
d Uji Heteroskedastisitas Pengujian ini bertujuan untuk menguji apakah dalam model regresi
terdapat ketidaksamaan varians dari residual suatu pengamatan. Jika varians dari residual suatu pengamatan yang lain tetap berarti telah terjadi
homoskedastisitas dan sebaliknya jika berbeda dikatakan telah terjadi heteroskedastisitas. Jika terjadi homoskedastisitas dikatakan mempunyai
model yang baik, cara mendeteksi dengan melihat diagram pencar grafik scatter plots
. Cara mendeteksi grafik scatter plots adalah sebagai berikut : Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur misalnya bergelombang, melebar kemudian menyempit, dikatakan telah terjadi heteroskedastisitas.
Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas.
lxiii
3. Uji Signifikansi
