3.4. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak, Sumarsono, 2002:40. Untuk mengetahui apakah data
tersebut mengikuti sebaran normal dapat dilakukan dengan metode Kolmogorov Smirnov. Fungsi pengujian suatu data dikategorikan berdistribusi normal atau
tidak adalah sebagai alat kesimpulan populasi berdasarkan data sampel. Sampel yang diteliti dikatakan berasal dari populasi yang berdistribusi
normal jika nilai probabilitas atau signifikan sig lebih besar daripada tingkat kesalahan yang ditetapkan α = 0,05. Jika nilai probabilitas atau signifikan sig
lebih kecil daripada tingkat kesalahan yang ditetrapkan α = 0,05, maka sampel yang diteliti berasal dari populasi yang tidak berdistribusi normal.
3.5. Uji Asumsi Klasik
Pengujian ini dimaksudkan untuk mendeteksi ada tidaknya autokorelasi, multikolinieritas dan heterokedastisitas dalam hasil estimasi. Tujuan utama
menggunakan uji asumsi klasik adalah untuk mendapatkan koefisien yang terbaik linier dan tidak bias BLUE : Best Linier Unbiassed Estimator, sifat dari BLUE
itu sendiri adalah : 1.
Best : Pentingnya sifat ini bila diterapkan dalam uji signifikan
buku terhadap α dan β 2.
Linier : Sifat ini dibutuhkan untuk memudahkan dalam penaksiran
3. Unbiassed : Nilai jumlah sampel sangat besar penaksiran parameter
diperoleh dari sampel besar kira - kira lebih mendekati nilai parameter sebenarnya
4. Estimator : e diharapkan sekecil mungkin
Untuk menghasilkan model persamaan regresi yang BLUE Best Linier Unbiassed Estimator
maka harus dipenuhi tiga asumsi dasar yang disebut :
1. Autokorelasi
Autokorelasi didefinisikan sebagai korelasi antara kesalahan pengganggu residual
pada periode t dengan kesalahan pada periode t-1 sebelumnya. Autokorelasi muncul pada data observasi yang berurutan sepanjang waktu
berkaitan satu sama lain, masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya. Uji untuk mendeteksi ada atau
tidaknya autokorelasi dapat digunakan uji Durbin Watson DW test dibantu dengan membandingkan nilai pada table statistic d dari Durbin
Watson yang menggunakan derajat kepercayaan 0,05. Ghozali, Imam. 2001 : 61.
2. Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi tidak terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan lainnya. Salah satu cara untuk mendeteksi ada atau tidak adanya heterokedastisitas adalah dengan menggunakan uji rank spearman
yaitu dengan membandingkan antara residu dengan seluruh variabel bebas. Menurut Santoso, 2002 : 301 deteksi adanya heterokedastisitas adalah :
a. Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas.
b. Nilai probabilitas 0,05 berarti terkena heteroskedastisitas.
3. Multikolinieritas
Multikoliner adalah terjadinya hubungan linier antar variabel bebas dalam persamaan regresi linier berganda. Apabila ternyata ada hubungan linier
antar variabel bebas, maka persamaan regresi linier berganda tersebut terjadi multikolinier. Menurut Santoso, 2002 : 206, untuk mendeteksi
atau pedoman suatu model regresi yang bebas multikolinieritas dapat dilihat ciri-cirinya sebagai berikut :
a. Mempunyai nilai VIF kurang dari angka 10. b. Mempunyai angka TOLERANCE mendekati 1.
3.6. Teknik Analisis Dan Pengujian Hipotesis
Kategori