37 Dasar pengambilan keputusan dalam uji K-S adalah sebagai
berikut: a Data terdistribusi tidak normal jika nilai signifikan sig. atau
nilai profabilitas 0,05 b Data terdistribusi normal jika nilai signifikan sig. atau nilai
profabilitas 0,05.
b. Uji multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah model regresi memiliki korelasi antar variabel bebas independen. Menurut
Ghozali 2006 : 91 “model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen”. Variabel independen yang
saling berkorelasi merupakan variabel-variabel tidak ortogonal. Untuk mengetahui ada atau tidaknya multikolonieritas di dalam model regresi
adalah sebagai berikut: 1 Nilai R
2
yang dihasilkan sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak signifikan
mempengaruhi variabel terikat. 2 Menganalisis matrik variabel-variabel bebas. Jika antara variabel
bebas terdapat korelasi yang cukup tinggi 0,90, maka hal ini merupakan indikasi adanya multikolonieritas. Tidak adanya
korelasi yang tinggi antar variabel bebas tidak berarti tidak terdapat multikolonieritas. Multikolonieritas dapat disebabkan
adanya efek kombinasi dua atau lebih variabel bebas.
Universitas Sumatera Utara
38 3 Multikolonieritas dapat juga dilihat dari nilai tolerance dan
lawannya variance inflation factor VIF. Kedua ukuran tersebut menggambarkan setiap variabel bebas manakah yang dijelaskan
oleh variabel bebas lainnya. Artinya, setiap variabel bebas menjadi variabel terikat dan diregres terhadap variabel bebas
lainnya. Jika nilai tolerance 0,10 dan nilai VIF 10 ini berarti terdapat multikolonieritas.
c. Uji heteroskedastisitas
Uji heteroskedastisitas yang bertujuan untuk mengetahui apakah pada model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut
homoskedastisitas, dan jika berbeda disebut heteroskedastisitas, Ghozali 2006 : 105. Model regresi yang baik adalah Homoskedastisitas atau
tidak terjadi Heteroskedastisitas. Menurut Situmorang dan Lutfi 2012 : 108 beberapa alasan yang menyebabkan varian tidak sama karena:
1 Mengikuti error-learning model 2 Heteroskedastisitas juga muncul sebagai akibat pencilan suatu
data observasi tertentu atau outliners, yaitu beberapa pengamatan yang mempunyai perbedaan besar dengan pengamatan lainnya.
3 Spesifikasi model yang tidak baik, yaitu mengeluarkan variabel penting dari model dan memasukkan variabel tidak penting ke
dalam model.
Universitas Sumatera Utara
39 4 Kemencengan atau skewness dari distribusi satu atau lebih
variabel regresor yang tercakup dalam model. 5 Muncul akibat kesalahan transformasi data dan kesalahan bentuk
fungsional. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat
dilakukan dengan cara melihat grafik plot antara nilai prediksi variable terikat independen yaitu ZPRED dengan residualnya SPRESID.
Mendeteksi ada tidaknya heteroskedastiditas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara
SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y perdiksi – Y sesungguhnya yang telah
di-studentized. Dasar analisinya yaitu: 1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2006:105.
d. Uji autokorelasi
