menunjukan bahwa model regresi memenuhi asumsi normalitas.
Uji normalitas dengan grafik dapat menyesatkan jika tidak hati-hati secara visual
kelihatan normal, padahal secara statistic bisa sebaliknya Ghozali, 2013. Oleh karena
itu, dalam penelitian ini uji grafik dilengkapi dengan uji statistik. Uji statistic yang
digunakan untuk menguji normalitas dalam penelitian ini adalah uji statistic non-
parametik kolmgrov-smirnov K-S. Uji K-S dilakukan dengan criteria pengujian jika nilai
signifikansi Asymp.Sig 0,05 maka data residual terdistribusi secara normal. Jika nilai
signifikansi asymp.Sig 0,05 maka data residual tidak berdistribusi secara normal.
3.5.2.2 Uji Multikolenearitas
Uji Multikolenearitas bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi
antar variabel
bebas independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel
independen Ghozali,
2013. Multikolenearitas dapat dilihat dari nilai
Tolerance dan nilai Variance Inflation Factor VIF. Jika nilai tolerance 0,10 atau
sama dengan nilai VIF 10, maka dapat disimpulkan
bahwa tidak
ada multikolenearitas amtar variabel independen
dalam model regresi pada penelitian ini. 3.5.2.3 Uji Heterokedastisitas
Uji Heterokedastisitas
bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain.
Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut
homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik
adalah
homoskedastisitas atau
terjadi heteroskedastisitas Ghozali, 2013.
Dalam penelitian
ini, peneliti
menggunakan grafik
scatterplot untuk
mengujji ada tidaknya heteroskedastisitas. Caranya adalah dengan melihat grafik
scatterplot tersebut. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka
mengindikasian telah
terjadi heterokedastisitas homokedastisitas.
3.5.2.4 Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linier ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada
periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lainnya. Masalah ini timbul
karena residual
kesalahan pengganggu tidak ditemukan pada data
runtut waktu
time series
karena “gangguan” pada seorang individuatau
kelompok cenderung
mempengaruhi “gangguan” pada individukelompok yang
sama pada periode berikutnya Ghozali, 2013.
Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi
dengan Uji Durbin – Watson DW test. Uji
Durbin –Watson hanya digunakan untuk
autokorelasi tingkat
satu first
order autocorrelation dan mensyaratkan adanya
intercept konstanta dalam model regresi dan tidak ada variabel lagi diantara variabel
independen. Hipotesis yang akan diuji adalah:
Ho : tidak ada autokorelasi r = 0 HA: ada autokorelasi
r ≠ 0
3.5.3 Analisis Regresi
