Pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah :
- Jika nilai signifikan nilai probabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal. -
Jika nilai signifikasi nilai probabilitasnya lebih besar dari nilai 5, maka distribusi adalah normal.
3.5. Uji Asumsi Klasik
Persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji F dan uji t tidak
boleh bias. Untuk menghasilkan keputusan yang BLUE maka persamaan regresi harus memenuhi ketiga asumsi klasik ini:
1. Tidak boleh ada autokorelasi
2. Tidak boleh ada multikolinieritas
3. Tidak boleh ada heteroskedasitas
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE,
sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias Gujarati, 1999 : 218.
3.5.1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antar data observasi yang diurutkan berdasarkan urutan waktu data time series
atau data yang diambil pada waktu tertentu data cross-sectional” Gujarati, 1999: 201. Menurut Santoso 2001 : 219 uji autokorelasi
bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Untuk menguji apakah terjadi autokorelasi atau tidak, digunakan uji Durbin-Watson Dw-Test, dengan
ketentuan sebagai berikut:
Angka D-W di bawah -2 berarti ada autokorelasi positif
Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi
Angka D-W di atas +2 berarti ada autokorelasi negatif.
3.5.2. Multikolinieritas
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 Ghozali, 2005 : 91. Untuk mendeteksi ada atau
tidaknya multikolinieritas di dalam model regresi adala sebagai berikut:
Koefisien determinasi berganda R square tinggi
Koefisien korelasi sederhanannya tinggi
Multikolinieritas dapat juga dilihat dari nilai tolerance dan variance inflation factor
Akibat adanya multikolinier adalah: 1.
Nilai standar error galat baku tinggi sehingga taraf kepercayaan confidence intervalnya akan semakin melebar.
Dengan demikian, pengujuan koefisien regresi secara individu menjadi tidak signifikan.
2. Profiitabilitas untuk menerima hipotesa Ho diterima tidak ada pengaruh antara variabel bebas terhadap variabel terikat akan
semakin besar VIF menyatakan tingkat “pembengkakan” varians. Apabila varians
lebih besar dari 10. Hal ini berarti terdapat multikolinier pada persamaan regresi linier.
3.5.3. Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam ,odel regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi Keteroskedastisitas Ghozali, 2005 : 105.
Menurut Santoso, 2002: 301 deteksi adanya heteroskedastisitas adalah:
- Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas
- Nilai probabilitas 0,05 berarti terkena heteroskedastisitas
3.6. Teknik Analisis dan Uji Hipotesis
