H
1
: Data residual tidak berdistribusi normal b.
Daerah keputusan Tingkat signifikan 5 maka H
diterima dan H
1
ditolak. Tingkat signifikan 5 maka H ditolak dan H diterima.
1
3.4.2 Uji Asumsi Klasik
Alfigari 2000: 83 Model regresi yang diperoleh dari metode kuadrat terkecil biasa Ordinary Least SquaresOLS merupakan model regresi
yang menghasilkan estimator linear tidak bias yang terbaik Best Linear Unbias EstimatorBLUE. Kondisi ini akan terjadi jika dipenuhi
beberapa asumsi, yang disebut dengan asumsi klasik, sebagai berikut : 1.
Tidak ada multikolinieritas. 2.
Tidak ada heteroskedastisitas. 3.
Tidak ada autokorelasi.
1. Multikolinieritas Menurut Ghozali 2001: 91, uji multikolinieritas bertujuan untuk
menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Jika variabel independen saling berkorelasi, maka
variabel – variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama
dengan nol. Multikolinieritas dapat juga dilihat dari 1 nilai tolerance dan
lawannya 2 variance inflation factor VIF. Tolerance mengukur
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan
nilai VIF yang tinggi karena VIF = 1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai
tolerance 0.10 atau sama dengan nilai VIF 10.
2. Heteroskedastisitas
Ghozali 2001: 105 Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan yang lain. Diagnosis ada atau tidaknya heteroskedastisitas dapat diidentifikasi
dengan menggunakan pengujian korelasi Rank Spearman r Jika nilai signifikan koefisien korelasi Rank Spearman untuk semua variabel bebas
terhadap nilai residual lebih besar 5, maka tidak terdapat gejala heteroskedastisitas.
s .
Korelasi Rank Spearman r dapat dihitung dengan formula :
s
Σ d
i 2
r = 1 – 6
s
N Anonim, 2008: L-21
Dimana : di = Selisih ranking standar deviasi s dan ranking nilai mutlak error e.
N = Banyaknya sampel
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3. Autokorelasi Ghozali 2001 : 95 Uji Autokorelasi bertujuan menguji apakah
dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini sering ditemukan pada data runtut
waktu time series. Ada atau tidaknya autokorelasi dalam satu model regresi dapat
dilakukan salah satunya dengan cara melakukan Uji Durbin Watson Uji DW
Pengambilan keputusan ada atau tidaknya autokorelasi :
Tabel 3.2 : Penentuan Nilai Durbin Watson
DW tes berada di Kriteria
0 d dl Ada autokorelasi positif
dl ≤ d ≤ du
Tidak ada kesimpulan du d 4 - du
Tidak ada autokorelasi 4 – du
≤ d ≤ 4 - dl Tidak ada kesimpulan
4 – dl d 4 Ada autokorelasi negatif
Sumber : Ghozali, Imam, 2001, Analisis Multivariate dengan Program SPSS. Edisi Tiga, Penerbit Universitas Diponegoro, Semarang, Hal. 96.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4.3. Teknik Analisis Teknik analisis dalam penelitian ini menggunakan teknik analisis