39
3.8.2 Uji Asumsi Klasik
Untuk mengetahui apakah model regresi yang diperoleh dapat menghasilkan estimator linier yang BLUE Best Linear Unbiased
Estimator perlu dilakukan uji asumsi klasik. Dalam uji asumsi klasik ini model analisis yang digunakan akan menghasilkan estimator yang tidak
bias apabila memenuhi beberapa asumsi klasik sebagai berikut:
3.8.2.1 Uji Normalitas
Menurut Ghozali, 2006:110 Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal. Seperti diketahui bahwa uji T dan F mengasumsikan baha nilai residual mengikuti distribusi normal. Kalau
asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.
Untuk menguji normalitas, peneliti menggunakan uji Kolmogorov Smirnov. Kriteria pengujian yang digunakan adalah
nilai p-value, apabila nilai p-value0,05, maka dapat dinyatakan bahwa data berdistribusi normal, dan apabila jika p-value0,05
maka dapat dinyatakan bahwa data tidak berdistribusi normal.
3.8.2.2 Uji Multikolinearitas
Menurut Ghozali, 2006:91 uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel
Universitas Sumatera Utara
40
bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling
berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesame variabel
independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
a. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-
variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
b. Menganalisis
matrik korelasi
varariabel-variabel independen. Jika antar variabel independen ada korelasi
yang cukup tinggi umumnya di atas 90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya
korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat
disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
c. Multikolinearitas dapat juga dilihat dari 1 nilai tolerance
dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen
mankah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen
Universitas Sumatera Utara
41
menjadi variabel dependen dan diregress terhadap variabel independen lainnya. Tolerance mengukur variabilitas
variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang
rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance. Nilai cut off yang umum dipaki untuk
menunjukkjan adanya multikolinearitas adalah nilai Tolerance0,10 atau sama dengan nilai VIF10.
3.8.2.3 Uji Heteroskedastisitas
Kategori