Dalam kaidah ekonometrika, apabila menggunakan regresi linear berganda perlu melakukan pengujian terlebih dahulu terhadap kemungkinan
pelanggaran asumsi klasik, yaitu uji normalitas, uji multikolinieritas, uji heteroskesdastisitas dan uji autokorelasi. Uji asumsi klasik dimaksudkan untuk
memastikan bahwa model regresi linear berganda dapat digunakan atau tidak.
4.6.1 Uji Asumsi Klasik
Salah satu syarat untuk pengujian hipotesis dengan menggunakan metode regresi berganda adalah uji asumsi klasik. Jika asumsi-asumsi tersebut tidak
semua terpenuhi, maka hasilnya akan bias. Uji ini meliputi: uji normalitas, uji multikolinearitas, uji autokorelasi dan uji heteroskedastisitas.
1. Uji Normalitas Data
Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi
variabel pengganggu atau residual memiliki distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai
residual mengikuti distribusi normal. Apabila data tidak terdistribusi normal maka data harus ditransformasi ke dalam bentuk logaritma natural LN.
Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak menurut Ghozali 2005 : 110, yaitu :
1 Analisis grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan
melihat grafik histogram yang membandingkan antara data observasi dengan
Universitas Sumatera Utara
distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi
kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan plotnya data residual akan dibandingkan dengan garis
diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
2 Analisis statistik Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan
nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-
S. Dalam penelitian ini penulis menggunakan analisis statistik untuk mendeteksi residual berdistribusi normal atau tidak.
2. Uji Multikolinearitas
Uji multikolinearitas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Multikolinearitas adalah
situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya.
Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model persamaan struktural menurut Erlina 2011 : 103 dapat dilihat dari nilai VIF dan
korelasi di antara variabel independen. VIF adalah suatu estimasi berapa besar multikolinearitas meningkatkan varian pada suatu koefisien estimasi sebuah
variabel independen. VIF yang tinggi menunjukkan bahwa multikolinearitas telah menaikan sedikit varian pada koefisien estimasi, akibatnya menurunkan nilai t.
Universitas Sumatera Utara
semakin tinggi nilai VIF suatu variabel tertentu, maka akan semakin tinggi varian koefisien estimasi pada variabel tersebut. Dengan demikian, semakin tinggi VIF,
semakin berat dampak dari multikolinearitas. Pada umumnya jika nilai VIF lebih besar dari 10, maka terjadi multikolinearitas yang cukup berat di antara variabel
independen. Di samping itu, cara lain yang dapat digunakan untuk mendeteksi adanya
gejala multikolinearitas suatu model adalah dengan melihat koefisien korelasi sederhana antar variabel-variabel independen. Apabila r adalah tinggi nilai
absolutnya, maka ada dua variabel independen tertentu berkorelasi dan masalah multikolinearitas ada dalam persamaan tersebut. Koefisien korelasi yang tinggi
ini menunjukkan terjadi gejala multikolinearitas yang berat. Korelasi antara dua variabel independen dikatakan memiliki hubungan yang tinggi, beberapa peneliti
secara arbiter menentukan 0,80.
3. Uji Autokorelasi