Uji Kualitas Data 1. Uji Uji Asumsi Klasik

b = koefisien regresi Sb = Standart Error 4. Kriteria Pengujian sebagai berikut : a. Jika nilai probabilitas 0,05, maka H diterima dan H 1 ditolak b. Jika nilai probabilitas 0,05, maka H ditolak dan H 1 diterima 3.5. Uji Kualitas Data 3.5.1. Uji Normalitas Uji normalitas digunakan untuk mengetahui apakah data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data tersebut mengikuti sebaran normal dalam penelitian ini dengan menggunakan metode Kolmogorov Smirnov Soemarsono, 2004: 42. Dalam pengambilan keputusan apakah sebuah distribusi data mengikuti distribusi nirmal adalah Sumarsono, 2004: 43 : 1. Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka distribusi adalah tidak normal. 2. Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal.

3.6. Uji Asumsi Klasik

Persamaan regresi tersebut harus bersifat BLUE Best Linier Unbiased Estimator artinya pengambilan keputusan uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi tiga asumsi klasik yang tidak boleh dilanggar oleh model regresi linier berganda, yaitu : 1. Tidak boleh ada Multikolinieritas 2. Tidak boleh ada Heteroskedastisitas 3. Tidak boleh ada Autokorelasi Apabila salah satu dari ketiga asumsi tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias. Dibawah ini asumsi dasar dari BLUE sebagai berikut : 1. Multikolinieritas Multikolinieritas artinya adanya hubungan linier yang ”sempurna” atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari model regresi. Alat uji yang digunakan untuk mengetahui ada tidaknya multikolinieritas dalam penelitian ini dengan melihat besarnya nilai Variance Inflation Factor VIF. Dasar analisis yang digunakan yaitu jika nilai VIF Variance Inflation Factor 1, maka hal ini berarti dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas Ghozali, 2002 : 57-59 2. Heteroskedastisitas Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Jika variance dari residual suatu pengamat ke pengamat yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2002: 69. Diidentifikasi dengan cara menghitung korelasi Rank Spearman, dimana syarat pengujiannya adalah Santoso, 2001: 242-243 : a. Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas b. Nilai probabilitas 0,05 berarti terkena heteroskedastisitas 3. Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Untuk menguji apakah terjadi autokorelasi atau tidak, digunakan uji Durbin-Watson Dw-Test. Suatu data observasi dikatakan tidak terjadi autokorelasi jika nilai Durbin Watson terletak antara batas atas atau upper bound du dan 4-du Ghozali, 2002: 61. Pengambilan keputusan tidak adanya autokorelasi yaitu :  Bila nilai Dw terletak diantara batas atas d u dah 4-d u , maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.  Bila nilai Dw lebih rendah dari batas bawah d l , maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.  Bila nilai Dw lebih besar dari batas bawah 4-d l , maka koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif.  Bila nilai Dw terletak diantara batas atas d u dan batas bawah d u atau Dw terletak antara 4-d u dan 4-d l , maka hasilnya tidak dapat disimpulkan. Ghozali, 2001: 61.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN