Ho diterima jika t tabel t hitung pada = 5 Ha diterima jika t hitung t tabel pada = 5
3. Pengujian Asumsi Klasik a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual tidak mengikuti distribusi normal. Untuk menguji
normalitas data peneliti menggunakan uji Kolmogorov Smirnov. Apabila probabilitas 0,05, maka distribusi data normal dan dapat digunakan regresi berganda. Apabila
profitabilitas 0.05, maka distribusi data dikatakan tidak normal, untuk itu dilakukan transformasi data atau menambah maupun mengurangi data.
b. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel independen. Deteksi multikolinearitas pada suatu model dapat dilihat yaitu jika nilai variance inflation factor VIF tidak lebih dari 10
dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui apakah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain
Ghozali, 2006: 105. Jika varians dari residual satu pengamatan ke pengamatan lain
Universitas Sumatera Utara
tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas.
Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain:
1. Jika ada pola tertentu, seperti titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah
terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi homokedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-
1
. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun berkaitan satu dengan lainnya. Hal ini sering ditemukan pada penelitian time series.
Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai Durbin-Watson Ghozali,2006: 96.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: a. Bila nilai Durbin-Watson DW terletak antara batas atas satu Upper Bound DU
dan 4-DU, maka koefisien autokorelasi sama dengan nol berarti tidak ada autokorelasi.
Universitas Sumatera Utara
b. Bila nilai DW lebih rendah dari pada batas bawah atau Lower Bound DL, maka koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif.
c. Bila nilai DW lebih besar dari pada 4-DL, maka koefisien autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi negatif.
d. Bila nilai DW terletak diantara batas atas DU dan batas bawah DL atau DW terletak antara 4-DU dan 4-DL, maka hasilnya tidak dapat disimpulkan.
Uji Autokorelasi juga dapat dilakukan melalui Run Test. Uji ini merupakan bagian dari statistik non-parametric yang dapat digunakan untuk menguji apakah
antar residual terdapat korelasi yang tinggi. Pengambilan keputusan dilakukan dengan melihat nilai Asymp. Sig 2-tailed uji Run Test. Apabila nilai Asymp. Sig
2-tailed lebih besar dari tingkat signifikansi 0,05 maka dapat disimpulkan tidak terdapat autokorelasi Ghozali, 2006:103.
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN