38
3.6.1.1 Uji Normalitas
Menurut Erlina 2011,”tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variable pengganggu atau
residual memiliki distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistic menjadi tidak valid untuk jumlah sampel kecil. “Ada
beberapa cara untuk menguji normalitas distribusi data dengan menggunakan alat bantu SPSS yaitu:
a. Analisisi Grafik Salah satu cara termudah untuk melihat normalitas residual adalah
dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode
yang lebih handaladalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika
distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
b. Uji statistic nonparametric-Kolmogorov-Smirnov Distribusi data dapat dilihat dengan kriteria sebagai berikut :
Universitas Sumatera Utara
39
1 Jika angka signifikan taraf signifikan α 0,05 maka distribusi data dikatakan normal.
2 Jika angka signifikan taraf signifikan α 0,05 maka distribusi data dikatakan tidak normal.
3.6.1.2 Uji Multikolonieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variable independen. Model
regresi yang baik seharusnya tidk terjadi korelasi di antara variable independen.Menurut Ghozali 2013, untuk mendeteksi ada atau tidaknya
multikolinearitas di dalam model regresi dijelaskan berikut ini: 1 Nilai R2 yang dihasilkan oleh suatu estimasi model regresi
empiris sangat tinggi, tetapi secara individual variabel-variabel independennya banyak yang tidak signifikan mempengaruhi
variabel dependen. 2 Menganalisis matrik korelasi variabel-variabel independen. Jika
antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi
adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari
multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
3 Multikolinearitas dapat juga dilihat dari a nilai tolerance dan lawannya b variance inflation factor VIF. Kedua ukuran ini
Universitas Sumatera Utara
40
menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian
sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya.
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidakdijelaskan oleh variabel independen lainnya.
Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1 Tolerance. Nilai cutoff yang umum dipakai
untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
3.6.1.3 Uji Heteroskedastisitas
Kategori