2. Pengujian Asumsi Klasik
Pengujian analisis regresi dalam statistik harus bebas dari asumsi-asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam penelitian ini
adalah uji normalitas, heterokedastisitas, dan autokorelasi.
a. Uji Normalitas
Menurut Erlina 2008:102, ”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”.
Menurut Ghozali 2005:110, ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis statistik dan analisis grafik.
1 Analisis Statistik
Uji statistik yang digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov Smirnov K-S. Pedoman pengambilan keputusan
rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat dari:
i. nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah tidak normal, ii.
nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal Ghozali:2005:115
2 Analisis Grafik Untuk melihat normalitas data dapat dilakukan dengan melihat histogram
atau pola distribusi data. Normalitas dapat dideteksi dengan melihat
Universitas Sumatera Utara
penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Jika data menyebar disekitar garis diagonal
dan mengikuti arah garis diagonal atau garfik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
Apabila data tidak terdistribusi secara normal, maka dilakukan tindakan perbaikan treatment agar model regresi memenuhi asumsi normalitas. Tindakan
perbaikan treatment tersebut dilakukan dengan cara melakukan transformasi data ke model logaritma natural Ln. Kemudian data diuji ulang berdasarkan
asumsi normalitas.
b. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya.
Pengujian autokorelasi menggunakan uji Durbin-Watson DW-test. Pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali 2005:96 adalah sebagai
berikut: 1.
Bila nilai Durbin-Watson DW terletak antara batas atas atau upper Bound DU dan 4-DU, maka koefisien autokorelasi sama dengan nol, berarti tidak
ada autokorelasi.
Universitas Sumatera Utara
2. Bila nilai Durbin-Watson DW lebih rendah daripada batas bawah atau
Lower Bound DL maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif.
3. Bila nilai Durbin-Watson DW lebih besar daripada 4-DL, maka koefisien
autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif. 4.
Bila nilai Durbin-Watson DW terletak antara batas atas DU dan batas bawah DL atau DW terletak antara batas antara 4-DU dan 4-DL,maka
hasilnya tidak dapat disimpulkan.
Apabila data tidak bebas dari autokorelasi, maka dilakukan tindakan perbaikan treatment agar model regresi terbebas dari pengaruh autokorelasi.
Menurut Firdaus 2004:105, cara untuk menghilangkan pengaruh autokorelasi yang terdapat dalam suatu model regresi adalah dengan memasukkan lag variabel
dependennya.
c. Uji Heterokedastisitas
Kategori