55 menghasilkan nilai parameter model penduga yang akurat bila dipenuhi asumsi
klasik. Menurut Ghozali 2012 terdapat 4 empat uji yang dilakukan dalam melaksanakan uji asumsi klasik yaitu uji normalitas, uji multikolinearitas, uji
heteroskedastisitas, dan uji autokorelasi.
3.7.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Model regresi
yang baik memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi apakah variabel residual berdistribusi normal atau tidak yaitu
dengan analisis grafik. Sedangkan normalitas suatu variabel umumnya dideteksi dengan uji statistik nonparametrik Kolmogorof - Smirnov K-S.
Suatu variabel dikatakan terdistribusi normal jika nilai signifikansinya 0,05 Ghozali, 2012.
3.7.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2012. Untuk mendeteksi ada atau tidaknya
multikolinearitas di dalam model regresi antara lain dapat dilakukan dengan melihat 1 nilai tolerance dan lawannya 2 variance inflation factor VIF.
Nilai cut off yang umum dipakai untuk menunjukkan adanya
Universitas Sumatera Utara
56 multikolinearitas adalah nilai tolerance
≥ 0,10 atau sama dengan nilai VIF ≤ 10 Ghozali, 2012.
3.7.3 Uji Heteroskedastisitas
Pengujian ini dilakukan untuk mendeteksi apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan
ke pengamatan yang lain. Dalam model regresi, salah satu asumsi yang harus dipenuhi bahwa varians residual dari suatu pengamatan ke
pengamatan yang lain tidak memiliki pola tertentu. Pendeteksian ada atau tidaknya heteroskedastisitas dapat juga
dilakukan dengan melihat ada atau tidaknya pola tertentu bergelombang, melebar kemudian menyempit pada grafik plot scatterplot antara nilai
prediksi variabel terkait ZPRED dengan residualnya SRESID.
3.7.4 Uji Autokorelasi
Asumsi ini disebut juga dengan asumsi non-autokorelasi non- autocorrelation. Untuk menguji asumsi independensi dari error, dapat
digunakan uji Durbin-Watson. Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Field 2009 menyatakan sebagai berikut “Nilai
statistik dari uji Durbin-Watson berkisar dari 0 sampai 4. Nilai statistik dari uji Durbin-
Watson yang bernilai 2 berarti residual tidak berkorelasi”. Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau
lebih besar dari 3 diindikasi terjadi autokorelasi. Field 2009 menyatakan “Nilai
Universitas Sumatera Utara
57 dari statistik uji Durbin-Watson bergantung pada jumlah variabel bebas dan
banyaknya pengamatan dalam sampel. Nilai kritis Durbin-Watson dapat dilihat dalam tabel distribusi Durbin-Watson atau dengan menggunakan patokan nilai
rule of thumb. Nilai statistik Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 perlu mendapat perhatian bahwa terindikasi terjadi autokorelasi.”
3.8 Metode Analisis Data