48
pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
2 Analisis Grafik Uji normalitas dengan grafik akan menyesatkan apabila
tidak berhati-hati secara visual terlihat normal, namun secara statistik bisa sebaliknya. Uji statistik lain yang dapat digunakan
untuk menguji normalitas residual adalah uji statistik non- parametik Kolmogorov-Smirnov K-S. Uji K-S dilakukan
dengan membuat hipotesis Ghozali, 2012:164, yaitu: H0: Data residual berdistribusi normal
Ha: Data residual tidak berdistribusi normal Dengan melihat angka probabilitas dengan ketentuan,
probabilitas 0,05 maka Ha diterima dan H0 ditolak, sedangkan probabilitas 0,05 maka Ha ditolak dan H0 diterima.
b. Uji Multikoliniearitas
Uji multikoliniearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen
Ghozali, 2005:91. Jika terjadi korelasi, maka terdapat problem multikoliniearitas. Model regresi yang baik seharusnya tidak terjadi
korelasi diantara
variabel independennya.
Ada tidaknya
multikoliniearitas di dalam model regresi adalah dilihat dari besaran VIF Variance Inflation Factor dan tolerance. Regresi yang terbebas
dari problem multikolinearitas apabila nilai VIF 10 dan nilai
49
tolerance 0,10, maka data tersebut tidak ada multikolinearitas Ghozali, 2005:92.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan penggangu pada
periode t dengan kesalahan pada periode t-1 sebelumnya. Autokorelasi digunakan pada model regresi yang dengan model data
panel Ghozali, 2005: 96.Jika terjadi korelasi, maka ada problem autokorelasi. Untuk mendeteksi ada tidaknya autokorelasi perlu
digunakan uji Durbin-Waston, dimana hipotesis yang akan diuji adalah:
1 Angka D-W di bawah -2, berarti ada autokorelasi positif. 2 Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi.
3 Angka D-W di atas +2, berarti autokorelasi negatif. \
d. Uji Heteroskedastisitas
Heteroskedastisitas artinya varians variabel dalam model tidak sama konstan. Konsekuensi adanya heteroskedastisitas dalam
model regresi adalah penaksiran estimator yang diperoleh tidak efisien, baik dalam sampel kecil maupun dalam sampe besar,
walaupun penaksiran yang diperoleh menggambarkan populasinya tidak bias dan bertambahnya sampel yang digunakan akan
mendekati nilai sebenarnya konsisten. Ini disebabkan oleh variansnya yang tidak minimum tidak efisien Algifari, 2000 : 85
50
Terdapat beberapa metode yang dapat digunakan untuk mengidentifikasi ada tidaknya masalah heteroskedastisitas. Salah
satunya adalah dengan uji Park, yaitu suatu metode uji heteroskedastisitas dengan membuat persamaan regresi dengan
mengganti variable dependennya dengan residual kuadratnya. Jika probabilitas yang ada bernilai diatas signifikansi α yang digunakan
dalam penelitian yaitu 5 atau 0,05 yang berarti tidak signifikan, maka data dinyatakan bebas dari masalah heteroskedastisitas
Winarno, 2011 : 5.12
3. Uji Regresi Berganda
