65
4.3. Pengujian Asumsi Klasik Regresi Linier Berganda
Tujuan dari pengujian asumsi klasik analisis regresi adalah untuk mengetahui secara pasti apakah model regresi linier berganda
menghasilkan keputusan yang BLUE Best Linear Unbiased Estimator, dalam arti pengambilan keputusan melalui uji F dan uji t tidak bias.
4.3.1. Normalitas
Uji normalitas diperlukan untuk memastikan bahwa sebaran data yang digunakan bersifat normal. Untuk mengetahui apakah data tersebut
mengikuti sebaran normal dapat diuji dengan metode Kolmogorov Smirnov. Ketentuan yang digunakan adalah apabila nilai signifikansi nilai
probabilitasnya lebih besar dari 5 maka distribusinya adalah normal Sumarsono, 2004: 43. Hasil pengujian normalitas pada data regresi
adalah sebagai berikut : Tabel 4.1 : Hasil Uji Normalitas
Indikasi Residual Kolmogorov-Smirnov Z
2,324 Signifikansi 0,000
Sumber: Lampiran 2
Dari hasil perhitungan didapat nilai signifikan uji normalitas
residual sebesar 0,000, dimana nilai tersebut kurang dari 0,05, sehingga ketentuan H
ditolak, dan disimpulkan bahwa asumsi normalitas tidak terpenuhi. Secara statistic untuk menormalkan data dapat dilakukan
transformasi, dimana dalam penelitian ini transformasi yang digunakan adalah logaritma. Hasil normalitas setelah transformasi adalah sebagai
berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
66
Tabel 4.2 : Hasil Uji Normalitas setelah transformasi Indikasi Residual
Kolmogorov-Smirnov Z 0,905
Signifikansi 0,386
Sumber: Lampiran 2
Dari hasil perhitungan didapat nilai signifikan uji normalitas
residual sebesar 0,386, dimana nilai tersebut lebih besar dari 0,05, sehingga ketentuan H
diterima, dan disimpulkan bahwa asumsi normalitas terpenuhi.
4.3.2. Multikolinieritas
Multikolinieritas menunjukkan adanya korelasi antar variabel bebas dalam model regresi. Model regresi yang baik tidak mengandung
multikolinieritas. Untuk mendeteksi ada tidaknya multikolinieritas digunakan Variance Inflation Factor VIF. Apabila nilai VIF 10 dan
mempunyai angka tolerance 0,10 berarti dalam persamaan regresi tidak ditemukan adanya kolerasi antar variabel bebas atau bebas
multikolinieritas Ghozali, 2006: 96. Pengujian hipotesis menghasilkan nilai VIF seperti pada tabel di bawah ini :
Tabel 4.3 : Hasil Uji Multikolinieritas Variabel Bebas
Tolerance VIF
Modal Sendiri 0,840 1,191
Jumlah Anggota 0,840 1,191
Sumber: Lampiran 3
Berdasarkan Tabel di atas, dapat dilihat bahwa nilai tolerance kedua variabel bebas lebih besar dari 0,10, demikian pula nilai VIF
semuanya kurang dari 10. Dengan demikian dapat disimpulkan bahwa
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
67
model regresi tidak mengindikasikan adanya multikolinieritas atau asumsi non multikolinieritas terpenuhi.
4.3.3. Heteroskedastisitas
Kategori