43
Uji asumsi klasik dilakukan untuk memastikan bahwa sampel yang diteliti terbebas dari gangguan mulitikolinearitas, autokorelasi, heterokedastisitas, dan
normalitas.
3.9.1.1 Uji Normalitas
Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Tujuan uji normalitas adalah untuk mengetahui apakah dalam model
regresi, variabel penggangu atau residu memiliki distribusi normal Erlina, 2008 : 102. Jika data normal maka statistik parametik yang akan
digunakan, dan jika data tidak normal maka statistik non-parametik atau melakukan treatment agar data menjadi normal.
Model regresi yang baik memiliki data distribusi yang normal atau mendekati normal. Jika asumsi ini tidak dipenuhi maka uji statistik menjadi
tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah model regresi terdistribusi normal atau tidak yaitu dengan analisis
grafik dan uji statistik. a. Analisis Grafik
Untuk melakukan pengujian normalitas dengan analisis grafik dapat dengan melihat grafik histogram dan normal probability plot. Distribusi
normal akan membentuk satu garis lurus diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya, dan sebaliknya jika pola distribusi tidak
Universitas Sumatera Utara
44
normal dan terlihat titik-titik menyebar di sekitar garis diagonal dan penyebarannya jauh dari garis diagonal, hal tersebut menunjukkan bahwa
model regresi menyalahi asumsi normalitas. b. Analisis Statistik
Uji statistik yang digunakan untuk menguji normalitas adalah uji statistik non parametic one Kolmogorov Smirnov. Jika angka probabilitas
� = 0,05 maka variabel tidak terdistrubusi secara normal. Sebaliknya, bila
angka probabilitas � = 0,05 maka variabel terdistribusi secara normal.
3.9.1.2 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya Erlina, 2008 : 105.
Pengujian ini bermaksud untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen, model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Jika terjadi korelasi, maka dinamakan terdapat problem multikolinearitas.
Pengujian multikololiaritas dilakukan dengan melihat nilai VIF dan korelasi diantara variabel independen. Jika nilai VIF lebih besar dari 2,
maka terjadi multikolineritas diantara variabel independen. Di samping itu, suatu model dikatakan terdapat gejala multikolinearitas jika korelasi
Universitas Sumatera Utara
45
diantara variabel independen lebih besar dari 0,9 Ghozali dalam Erlina, 2008 : 105.
Ada dua cara yang dapat dilakukan jika terjadi multikolinearitas, yaitu:
a. Mengeluarkan salah satu variabel, misalnya variabel independen A dan B saling berkolerasi dengan kuat, maka bisa dipilih A atau B yang
dikeluarkan dari model regresi. b. Menggunakan metode lanjut seperti regresi Bayesian atau regresi Ridge.
3.9.1.3 Uji Heteroskedastisitas