tingkat signifikansi lebih besar dari 0,05 atau Sig 5, maka dapat disimpulkan bahwa H
diterima, sehingga dapat dikatakan data tersebut berdistribusi normal dan jika signifikansi hasil perhitungan lebih kecil
dari 0,05 atau Sig 5, maka H tidak dapat diterima sehingga data
dapat dikatakan tidak berdistribusi normal Ghozali 2011.
b. Uji Autokorelasi
Autokorelasi adalah keadaan residual pada periode pengamatan berkorelasi dengan residual lain. Autokorelasi menyebabkan parameter
yang diestimasi menjadi bias dan variannya tidak minimal serta tidak efisiennya parameter atau estimasi. Salah satu cara untuk mendeteksi
adanya autokorelasi adalah dengan uji Durbin Watson. Uji ini sangat populer digunakan dalam mendeteksi ada atau tidaknya autokorelasi
dalam model estimasi. Nilai d-hitung ini otomatis dihitung oleh SPSS ketika diregres dan disediakan hasilnya bersama-sama dalam tampilan
regresi. Caranya adalah dengan membandingkan nilai DW hitung dengan DW tabel. Jika nilai DW hitung DW tabel tidak terdapat
autokorelasi dalam model tersebut Ghozali, 2009. Pengambilan keputusan ada tidaknya autokorelasi didasarkan
pada ketentuan sebagi berikut:
Tabel 2. Tabel pengambilan keputusan ada tidaknya autokorelasi Hipotesis nol
Keputusan Jika
Tidak ada autokorelasi positif Tidak ada autokorelasi positif
Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif
Tidak ada autokorelasi positifnegatif Tolak
No decision Tolak
No decision Terima
0 d dl dl ≤ d ≤ du
4 – dl d 4
4 – du ≤ d ≤ 4 – dl
du d 4 – du
Sumber: Ghozali 2009: 111
c. Uji Multikolinearitas
Uji Multikoliniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen.
Untuk mengetahui ada atau tidaknya multikolinearitas didalam model regresi sebagai berikut:
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi sangat tinggi tetapi secara individual variabel independen banyak yang
tidak signifikan memengaruhi variabel dependen. 2
Menganalisis matrik korelasi variabel-variabel independen. 3
Multikolinearitas dapat juga dilihat 1 nilai tolerance dan variance inflation VIF.Jika nilai Variance Inflation Factor VIF tidak
lebih dari 10 dan nilai Tolerence tidak kurang dari 0,10, maka model dapat dikatakan terbebas dari multikolinearitas VIF =
1Tolerance, jika VIF = 10 maka Tolerance = 110 = 0,10. Semakin tinggi VIF maka semakin rendah Tolerance.
d. Uji Heterokedastisitas
Heteroskedastisitas adalah variabel pengganggu dimana memiliki varian yang berbeda dari satu observasi ke observasi lainnya