35
a. Analisis Grafik Untuk malihat normalitas data dapat dilakukan dengan melihat
histrogram atau pola distribusi data. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbuh diagonal dari grafik atau
dengan melihat histrogram dari nilai residualnya. Jika data menyabar di sekitar garis diagonal dan mengikuti arah garis diagonal atau gafik
histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Analisis Statistik Uji statistik yang digunakan untuk menguji normalitas residual
adalah uji statistik Kolmogorov Smirnov K-S. Pedoman pengambialn keputusan rentang data tersebut mendekati atau merupakan distribusi
normal berdasarkan uji Kolmogorov yaitu: 1. smirnov dapat dilihat dari nilai Sig. atau signifikan atau probabilitas
0,05, maka distribusi data adalah tidak normal, 2. nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah normal Ghozali, 2005.
3.6.1.2 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menganalisis apakah dalam model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Menurut Sugiyono 2001:76
mengemukakan bahwa terjadinya Autokorelasi jika nilai Durbin-Watson
Universitas Sumatera Utara
36
DW memiliki nilai lebih dari 5, atau Durbin-Watson DW 5. Selain itu, panduan untuk mendeteksi ada atau tidaknya autokorelasi adalah sebagai
berikut: a. Du DW 4-du. Nilai DW terletak diantara du dan 4-de maka
autokorelasi sama dengan nol dandiartikan tidak ada auto korelasi. b. DW dl . Nilai DW lebih rendah dari nilai Lower Bound dl maka
memiliki koefisien korelasi lebih besar dari nol dan memiliki autokorelasi positif.
c. DW4-dl .Nilai DW lebih besar nilai 4-dl maka memiliki koefisien korelasi lebih kecil dari nol berarti ada autokorelasi negatif.
d. 4-du DW 4-dl, hasilnya tidak dapat disimpulkan. Jika nilai Durbin-Watson tidak dapat memberikan kesimpulan apakah
data yang digunakan terbebas dari autokorelasi atau tidak, maka perlu dilakukan Run-Test. Pengambilan keputusan didasarkan pada acak atau
tidaknya data, apabila bersifat acak maka dapat diambil kesimpulan bahwa data tidak terkena autokorelasi. Menurut Ghozali 2005:120 acak atau
tidaknya data didasarkan pada batasan sebagai berikut : a apabila nilai probabilitas
≥ α = 0,05 maka observasi terjadi secar acak. b apabila nilai probabilitas
≤ α = 0,05 maka observasi terjadi secara tidak acak.
3.6.1.3 Uji Heteroskedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan
Universitas Sumatera Utara
37
yang lain. Untuk melihat ada atau tidaknya heteroskedastisitas dilakukan dengan mengamati grafik scatterplot antar nilai prediksi variabel terikat
dengan residualnya. Deteksi ada atau tidaknya heteroskedstisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scarrteplot dengan
dasar analisis: 1 jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
2 jika tidak ada pola yang jelas, sperti titik menyebar di atas dan di bawah angka 0 pada sumbuh Y, maka tidak terjadi heteroskedastisitas.
Ghozali,2005.
3.6.1.4 Uji Multikolonearitas