commit to user data
tersebut harus
terdistribusi normal,
tidak mengandung
multikolineritas dan heterokedasitas, serta tidak terjadi autokorelasi. Untuk itu, sebelum melakukan pengujian regresi linier berganda perlu
terlebih dahulu dilakukan pengujian asumsi klasik yang terdiri dari:
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal. Seperti diketahui, uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar, maka
uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah data residual berdistribusi normal atau
tidak, yaitu dengan menggunakan analisis grafik dan uji statistik Ghozali, 2006.
1 Analisis Grafik a Grafik Histogram
Grafik histogram menunjukan pola distribusi yang normal jika pola distribusi normal dan tidak menceng baik
ke kanan maupun ke kiri. b Grafik Normal Probability Plot
Grafik normal probability plot menunjukan pola distribusi yang normal jika data menyebar di sekitar garis
diagonal dan mengikuti arah garis diagonal.
commit to user 2 Analisis Statistik
Analisis statistik yang digunakan dalam penelitian ini adalah uji statistik non-parametrik One Sample Kolmogorov-
Smirnov K-S. Data residual terdistribusi normal jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan di atas 0,05.
b. Uji Multikolinearitas
Pengujian multikolinearitas
memiliki tujuan
untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi
antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel
independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai
korelasi antar sesama variabel independen sama dengan nol. Suatu model regresi dinyatakan bebas dari multikolinearitas jika nilai
tolerance value di atas 0,10 atau nilai Variance Inflation Factors VIF di bawah 10 Ghozali, 2006.
c. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk mengetahui apakah dalam model regresi linear ada korelasi antara kesalahan penganggu
pada periode t dengan kesalahan penganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dikatakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu dan berkaitan satu sama lain. Masalah ini timbul
karena residual kesalahan penganggu tidak bebas dari satu
commit to user observasi ke observasi lainnya Ghozali, 2006. Untuk mengetahui
apakah data yang digunakan dalam model regresi terdapat autokorelasi atau tidak, dapat diketahui melalui uji Durbin-Watson
Ghozali, 2009.
d. Uji Heteroskedastisitas