38
Pengujian normalitas dilakukan dengan membandingkan p-value yang diperoleh dengan tingkat signifikansi yang ditentukan sebesar 0,05. Bila
p-value ³ 0,05 maka data yang digunakan dalam penelitian merupakan
data yang terdistribusi normal Priyatno, 2008:142. Selain itu juga digunakan Histogram Display Normal Curve, dan Kurva Normal P-P
PLOT. Pengujian dengan Histogram Display Normal Curve, data
dikatakan terdistribusi normal jika bentuk kurva memiliki kemiringan yang seimbang pada sisi kiri dan kanan, atau tidak condong, melainkan
ketengah dengan bentuk seperti lonceng, dengan nilai skewness mendekati 0 Nugroho, 2005:79. Sedangkan pengujian dengan kurva
normal P-P PLOT, data dikatakan terdistribusi normal jika penyebaran titik-titik data terletak di sekitar garis diagonal dan searah mengikuti
garis diagonal Nugroho, 2005:82.
3.5.3 Pengujian Asumsi Klasik
3.5.3.1 Multikolinearitas
Menurut Gujarati 1999 “Uji Multikolinearitas digunakan untuk mengetahui ada tidaknya hubungan linear yang “sempurna” atau pasti di
antara variabel-variabel independen yang menjelaskan dari model regresi Gujarati, 1999
”. Menurut Nugroho 2005:45 “Bila terjadi hubungan linear yang “sempurna” pada beberapa atau semua variabel independen
39
maka terdapat korelasi yang sangat kuat di antara variabel independen ”.
Pendeteksian multikolinearitas dapat dilihat dari beberapa hal antara lain: 1 Jika nilai dari Variance Inflation Factor VIF kurang dari 10 dan
nilai dari Tolerance lebih dari 0,1 maka dapat dikatakan bahwa model yang digunakan dalam model terbebas dari multikolinearitas.
2 Jika koefisien korelasi antara masing-masing variabel independen tidak lebih dari 0,70 maka model penelitian terbebas dari
multikolinieritas, dan sebaliknya. 3 Jika nilai koefisien determinan maupun R-Square di atas 0,60 tetapi
tidak ada variabel independen yang berpengaruh terhadap variabel dependen
maka dapat
dikatakan bahwa
model terkena
multikolinieritas.
3.5.3.2 Autokorelasi
Menurut Gujarati 1999:226 “Autokorelasi didefinisikan sebagai
korelasi antar anggota serangkaian observasi yang diurutkan menurut waktu atau ruang
”. Pengujian ini perlu dilakukan untuk mengetahui ada tidaknya hubungan antar unsur gangguan pada observasi dengan unsur
gangguan pada observasi lain. Autokorelasi sering terjadi pada sampel dengan metode pengumpulan time series. Metode yang paling terkenal
untuk mendeteksi ada tidaknya korelasi adalah menggunakan pengujian Durbin- Watson. Penentuan nilai Durbin-Watson dibantu dengan tabel dl
dan du. Penentuan ada tidaknya autokorelasi dapat digunakan patokan nilai Durbin-Watson hitung yang berkisar antara 0 dan 4 Uyanto,
40
2009:100. Bila nilai uji statistik Durbin-Watson lebih kecil dari satu atau lebih besar dari tiga maka residual dari model regresi berganda tidak
bersifat independen atau terjadi autokorelasi.
3.5.3.3 Heteroskesdastisitas
