54 penyebaran data pada grafik normal P-P Plot mengikuti garis normal
45 derajat, maka data berdistribusi normal. Distribusi normal membentuk suatu garis lurus diagonal, dan ploting data residual akan
dibandingkan dengan garis diagonalnya. Jika distribusi data normal, maka garis yang menggambarkan data sebenarnya akan mengikut garis
normalnya Ghozali, 2011. Dasar pengambilan keputusan untuk uji normalitas adalah :
1 Jika data menyebar disekitar garis-garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan
distribusi normal, maka model regresi memenuhi asumsi normalitas.
2 Jika data menyebar jauh dari diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan distribusi
normal, maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Multikolinearitas
Uji multikoliniearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen.
Jika terjadi
korelasi, maka
dinamakan terdapat
problem Multikolinieritas. Pengujian ada tidaknya gejala multikolinearitas
dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF Variance
Inflation Factor dan Tolerance-nya. Nilai dari VIF antara 0 sampai dengan 10 menandakan tidak adanya gejala multikolinearitas.
55 Sehingga dapat disimpulkan bahwa model regresi tersebut tidak
terdapat problem multikolinieritas Santoso, 2015.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians residual dari satu
pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut
Homoskedastisitas. Dan jika varians tersebut berbeda, maka terjadi Heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas Santoso, 2015. Pengujian ada tidaknya gejala heteroskedastisitas memakai metode grafik dengan melihat ada
tidaknya pola tertentu pada scatterplot dari variabel terikat, dimana jika tidak terdapat pola tertentu maka tidak terjadi heteroskedastisitas
dan begitu pula sebaliknya Santoso, 2015.
3. Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang crossection relatif rendah karena
