i
residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
b. Analisis statistik
Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan nilai Z skewness. Uji statistik lain
yang dapat digunakan untuk menguji normalitas residual
adalah uji
statistik non
parametrik Kolmogorov-Smirnov K-S.
Pedoman pengambilan keputusan tentang 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.
3.7.2.2 Uji Heterokedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitasatau tidak terjadi heteroskedastisitas.
Uji heteroskedastisitas dilakukan dengan melihat adatidaknya pola tertentu pada grafik
Scatterplot
antara SRESID dan ZPRED. Dasar analisisnya dapat dilihat:
Universitas Sumatera Utara
i
a Jika titik-titik yang membentuk pola yang teratur
bergelombang,melebar kemudian menyempit maka mengidentifikasikan telah terjadi heteroskedastisitas.
b Jika tidak ada pola yang jelas serta titik-titik menyebar
diatas dan dibawah angka nol pada sumbunya maka tidak terjadi heteroskedastisitas.
3.7.2.3 Uji Autokorelasi
Masalah autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu
timeseries
. “Autokorelasi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya atau
data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat
tergantung pada tempat data tersebut terjadi.”Hadi, 2006 :175 Untuk mendeteksi adanya autokorelasi bisa digunakan tes
Durbin Watson DW. Deteksi autokorelasi dengan cara ini dimulai dengan menghitung nilai d, setelah nilai d diketemukan maka
tahapan berikutnya adalah menentukan nilai du dan dl dengan menggunakan tabel Durbin Watson.
Ketentuan : du d 4-du Tidak ada autokorelasi
d dl Terdapat autokorelasi positif d 4-dl Terdapat autokorelasi negatif
dl d du Tidak ada keputusan tentang autokorelasi
Universitas Sumatera Utara
i
4-du d 4-dl Tidak ada keputusan tentang autokorelasi Hadi, 2006 : 176
“Salah satu cara untuk mengatasi adanya masalah autokorelasi bila ada adalah dengan cara menambahkan satu
variabel baru, yaitu variable lag - 1.” Hadi, 2006 : 176
3.7.2.4 Uji Multikolinieritas
Multikolinieritas adalah adanya suatu hubungan linier yang sempurna mendekati sempurna antara beberapa atau semua
variabel bebas Kuncoro, 2007: 98. Hal ini disebut variabel- variabel bebas tidak ortogonal. Variabel-variabel bebas yang
bersifat ortogonal, apabila variabel bebas memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelasi
sempurna diantara sesama variabel bebas, maka konsekuensinya koefisien-koefisien regresi menjadi tidak dapat ditaksir, dan nilai
standar error
setiap koefisien regresi menjadi tak terhingga. Menurut Ghozali 2009: 95, Uji multikolinieritas bertujuan untuk
menguji apakah model regresi ditemukan adanya korelasi antar variabel 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 antarsesama variabel independen sama dengan nol.
Dikatakan terdapat problem multikolinieritas apabila terjadi
Universitas Sumatera Utara
i
korelasi antarvariabel independen pada uji multikolinieritas. Pada penelitian ini, digunakan metode
Variance Inflation Factor
VIF. Apabila nilai
cut off
VIF ≥ 10, maka dikatakan terjadi
multikolinieritas diantara variabel independen.
3.7.3 Pengujian Hipotesis