Pada dasarnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari
residualnya. Dasar pengambilan keputusan: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka
model regresi tidak memenuhi asumsi normalitas.
b. Analisis Statistik
Uji normalitas dengan grafik dapat menyesatkan jika tidak hati-hati secara visual kelihatan normal, padahal secara spesifik bisa sebaliknya. Oleh sebab itu,
dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Pengujian normalitas ini akan dilakukan dengan uji statistik non-parametrik Kolmogrov-
Smirnov K-S. Ghozali, 2005 Untuk melihat apakah suatu data mempunyai distribusi normal, maka
kriteria pengujiannya adalah sebagai berikut: 1. Jika angka signifikansi 0,05 maka data mempunyai distribusi normal
2. Jika angka signifikansi 0,05 maka data tidak mempunyai distribusi normal.
3.10.2 Uji Multikolinearitas
Multikolinearitas adalah korelasi sempurna 100 diantara variabel penjelas yang dimasukkan ke dalam model. Uji multikolinearitas bertujuan untuk
Universitas Sumatera Utara
menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel bebas. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah independen yang
nilai korelasi antar sesama variabel independen sama dengan nol. Ghozali, 2005 Untuk mendeteksi apakah model regresi yang dipakai bebas dari
permasalahan multikolinearitas dapat dilihat dari besaran Variance Inflation Factor VIF. Pedoman pengambilan keputusan pada pengujian ini adalah:
1. Jika Variance Inflation Factor VIF 10 maka artinya terdapat persoalan multikolinearitas diantara variabel bebas.
2. Jika Variance Inflation Factor VIF 10 maka artinya tidak terdapat persoalan multikolinearitas diantara variabel bebas.
3.10.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke
pengamatan lainnya. Jika varians dari residual satu pengamtatan ke pengamatan lain tetap, maka dapat disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data cross section mengandung
situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, dan besar.
Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu
Universitas Sumatera Utara
ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas 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 prediksi – Y sesungguhnya.
Pengambilan keputusan untuk ada tidaknya heteroskedastisitas adalah sebagai berikut:
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, 2005
Selain itu dapat dideteksi dengan menggunakan uji glejser. Uji glejser dilakuakan dengan meregresi nilai absolut residual terhadap variabel dependen
signifikan secara statistik mempengaruhi variabel dependen maka ada indikasi terjadi heteroskedastisitas.
3.10.4 Uji Autokorelasi
