Uji Penyimpangan Asumsi Klasik .1 Uji Normalitas
26
2 12
, 1
2 1
2 ,...,
2 ,
1 ,
1
y n
i i
k y
bj
R X
S S
−
=
∑
=
…2.22
Selanjutnya hitung statistik :
j
b j
hitung
s b
t =
…2.23
5. Kesimpulan
2.8.6 Uji Penyimpangan Asumsi Klasik 2.8.6.1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel
bebas keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah memiliki distribusi data normal dan dilakukan dengan cara uji
kolmogrov smirnov di SPSS. Untuk menguji normalitas data dapat digunakan dengan uji kolmogrov
smirnov dengan melihat data residualnya. Uji kolmogrov smirnov dihitung dengan bantuan SPSS. Dasar pengambilan keputusan dalam uji normalitas yakni :
jika nilai signifikansi lebih besar dari 0,05 maka data tersebut berdistribusi normal. Sebaliknya, jika nilai signifikansi lebih lebih dari 0,05 maka data tersebut
tidak berdistribusi normal.
2.8.6.2 Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastitas dan jika berbeda disebut
heteroskedastisitas. Untuk menguji heteroskedastisitas digunakan uji glesjer SPSS. Uji ini
pada dasarnya bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka
Universitas Sumatera Utara
27 disebut homoskedastisitas dan berbeda disebut heteroskedastisitas. Model regresi
yang baik seharusnya tidak terjadi heteroskedastisitas. Dasar pengambilan keputusan pada uji heteroskedastisitas yakni:
•
Jika nilai signifikansi lebih besar dari 0,05, kesimpulannya adalah tidak terjadi heteroskedastisitas.
•
Jika nilai nilai signifikansi lebih kecil dari 0,05, kesimpulannya adalah terjadi heteroskedastisitas.
2.8.6.3 Uji Multikolinieritas Uji multikolinieritas dilakukan untuk menguji apakah pada model regresi
ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independent. Pengujian ada
tidaknya gejala multikolinieritas dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF Variance
Inflation Factor dan toleransinya. Apabila nilai matrik korelasi tidak ada yang lebih besar dari 0,5 maka dapat dikatakan data yang akan dianalisis bebas dari
multikolinieritas. Kemudian apabila nilai VIF berada dibawah 10 dan nilai toleransi mendekati 1, maka diambil kesimpulan bahwa model regresi tersebut
tidak terdapat multikolinieritas.
Universitas Sumatera Utara
1