35
mengalami penurunan. Sedangkan nilai b akan negatif jika menunjukkan hubungan yang berlawanan. Artinya kenaikan variabel independen akan
mengakibatkan penurunan variabel dependen, demikian pula sebaliknya jika variabel independen mengalami penurunan akan mengakibatkan kenaikan pada
variabel dependen.
3.8.1 Pengujian Asumsi Klasik
Agar hasil penelitian yang diperoleh menjadi valid atau tidak bias, maka data yang digunakan harus diuji untuk mengetahui apakah sudah
memenuhi syarat Best Linier Unbiased Estimator BLUE. Pengujian asumsi klasik ini untuk memastikan bahwa model yang diperoleh benar-benar
memenuhi asumsi dasar dalam analisis regresi. Pengujian asumsi terhadap data meliputi: uji normalitas, uji multikolinearitas, uji heterokedastisitas, dan
uji autokorelasi.
3.8.1.1 Uji Normalitas Data
Tujuan uji normalitas adalah untuk mengetahui apakah variabel independen, variabel dependen, atau keduanya terdistribusi
normal atau tidak Umar, 2008:181. Data yang baik adalah data yang terdistribusi normal atau mendekati normal. Ada dua cara untuk
mendeteksi normalitas data, yaitu dengan analisis statistik dan analisis grafik.
a. Analisis Statistik
36
Pengujian normalitas data secara analisis statistik dilakukan dengan uji Kolmogorov-Smirnov. Dalam mengambil
keputusan mengenai rentang data yang terdistribusi normal atau mendekati normal berdasarkan uji Kolmogorov-Smirnov
dapat dilihat dari: 1. Nilai signifikansi atau probabilitas 0,05 menunjukkan
distribusi data yang tidak normal. 2. Nilai signifikansi atau probabilitas 0,05 menunjukkan
distribusi data yang normal.
b. Analisis Grafik Normalitas data juga dapat diuji dengan analisis grafik
histogram dan grafik normal probability plot. Dasar pengambilan keputusan tentang normalitas data dapat dilihat
dengan cara: 1. Jika data menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model
regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari diagonal danatau tidak
mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model
regresi tidak memenuhi asumsi normalitas.
37
3.8.1.2 Uji Multikolinearitas
Menurut Erlina 2011 : 102, uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di
antara variabel independen. Dalam model regresi yang baik seharusnya tidak terdapat korelasi di antara variabel independen.
Menurut Supranto dalam Simanjuntak 2006 : 55, secara ekstrim ada kemungkinan dua variabel atau lebih mempunyai hubungan korelasi
yang sangat kuat sehingga pengaruh masing-masing variabel independen tersebut terhadap variabel dependen menjadi sulit
dibedakan. Deteksi multikolinearitas dalam suatu model dapat dilihat dari
nilai tolerance dan dari nilai Variance Inflation Factor VIF. Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0,10 atau nilai VIF 10,
dengan dasar pengambilan keputusan sebagai berikut: a. Jika nilai tolerance 0,10 dan nilai VIF 10, maka tidak
terjadi masalah multikolinearitas, artinya model regresi tersebut baik.
b. Jika nilai tolerance 0,1 dan nilai VIF 10, maka terjadi masalah multikolinearitas, artinya model regresi tersebut
tidak baik.
38
3.8.1.3 Uji Heterokedastisitas