1. Uji Asumsi Klasik
a. Uji Normalitas Tujuan uji normalitas adalah untuk mengetahui apakah dalam
model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2005. Normalitas data dapat dideteksi dengan
menggunakan alat analisis grafik yang berupa uji Kolmorov Smirnov yang dapat dilihat berdasarkan criteria berikut:
1 Apabila probabilitas atau signifikansi 0,05, maka distribusi data normal
2 Apabila probabilitas atau signifikansi 0,05, maka distribusi data tidal normal.
b. Uji Multikolinearitas Uji ini bertujuan untuk menguji apakah dalam model regresi
ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel
independennya. Untuk mengetahui ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari nilai tolerance dan Variance
Inflation Factor VIF. Tolerance dapat mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan varibel
independen lainnya. Nilai tolerance yang menunjukkan adanya multikolinearitas adalah 0,10, sedangkan nilai VIF adalah 10.
Universitas Sumatera Utara
c. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah dalam model
regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 sebelumnya.
Jika terjadi korelasi, maka diperkirakan ada problem autokorelasi. Autokorelasi muncul karena adanya observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Hal ini sering ditemukan pada data runtut waktu atau time series. Model regresi yang baik
adalah regresi yang bebas dari autokorelasi. Jenis pengujian yang biasa digunakan untuk mengetahui adanya autokorelasi
dikembangkan oleh J. Durbin dan G. Watson yang disebut statistik Durbin-Watson. Pengujian ini dilakukan dengan membandingkan
nilai d dari hasil perhitungan dengan nilai dl dan du. d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual. Jika
variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda, maka disebut
heteroskedastisitas. Untuk mengetahui adanya heteroskedastisitas dalam model regresi, dapat dilihat dari grafik Scatterplot dengan
dasar analisis sebagai berikut:
Universitas Sumatera Utara
1 Jika ada plot tertentu seperti titik-titik yang ada membentuk pola yang teratur bergelombang, melebar, kemudian menyempit,
maka terdapat heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka nol 0 pada sumbu Y, maka tidak terdapat heteroskedastisitas.
Model regresi yang baik adalah yang tidak terdapat heteroskedastisitas.
2. Pengujian Hipotesis