57 Pelanggaran asumsi yang biasa terjadi dalam analisis regresi linier
berganda adalah multikolinearitas, heteroskedastisitas, dan autokorelasi Gujarati, 2006. Oleh karena itu, perlu dilakukan pemeriksaan asumsi untuk mengetahui
tingkat keakuratan model yang telah dibangun. Pemenuhan asumsi dan uji statistik yang dilakukan antara lain:
1. Uji Multikolineritas
Hasil analisis model menunjukkan bahwa tidak adanya multikoleniaritas karena nilai VIF kurang dari 10 untuk semua independent variable yang diujikan
Tabel 11, sehingga variabel bebasnya tidak saling berkorelasi satu dengan yang lainnya.
2. Uji Homoskedastisitas
Uji homoskedastisitas dapat diketahui dengan menggunakan uji Glejser yaitu dengan melakukan regresi linier nilai absolut residual dengan variabel
prediktor Priyatno, 2012. Dengan kriteria pengujian nilai peluang P yang lebih besar dari nilai taraf signifikansi sebesar 0,05 Lampiran 5.
3. Uji Asumsi Normalitas
Uji normalitas juga dilakukan pada model tersebut yaitu dengan membuat grafik probability plot dari residual pada normality test. Pada uji Kolmogorov-
Smirnov KS, peneliti menggunakan α sebesar 0,05. Dari sini dapat diketahui nilai statistik kolmogorov-smirnov pada tabel kolmogorov-smirnov Lampiran 6.
Berdasarkan tabel KS, statistik untuk α = 0,05 dan jumlah pengamatan sebanyak 30 adalah 0,242. Nilai ini akan dijadikan patokan untuk mengambil kesimpulan
berdasarkan hasil uji kenormalan data yang telah dilakukan. Selanjutnya dari uji normalitas tersebut diperoleh hasil nilai Kolmogorov-Smirnov KS sebesar 0,104
58 Lampiran 7. Nilai statistik kolmogorov yang diperoleh dari pengamatan kurang
dari nilai statistik kolmogorov pada tabel KS. Residual model regresi linier yang dibuat telah mengikuti ditribusi normal. Hal ini menunjukkan bahwa asumsi
kenormalan dapat terpenuhi sehingga model regresi yang telah dibuat bisa digunakan.
4. Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat apakah terdapat hubungan diantara galat dalam persamaan regresi yang diperoleh. Autokorelasi cenderung
akan mengestimasi standar error lebih kecil daripada nilai sebenarnya, sehingga nilai statistic-t akan lebih besar. Pengujian ini dapat dilakukan melalui uji DW
Durbin Watson. Pengujian ini menghasilkan nilai Durbin Watson sebesar 1,93 1,83 DW2,17. Nilai DW tersebut lebih besar dari Du 1,83 dan lebih kecil
dari 4-Du 2,17, maka dapat disimpulkan tidak terjadi autokorelasi dan telah memenuhi asumsi non autokorelasi. Hasil uji Durbin Watson dapat dilihat pada
Lampiran 8.
6.3.2 Faktor-Faktor yang Berpengaruh Nyata Terhadap Permintaan
