1. Bila nilai signifikansi uji Kolmogorov-Smirnov bernilai di bawah 0.05 maka
data tidak berdistribusi normal. 2.
Bila nilai signifikansi uji Kolmogorov-Smirnov bernilai di atas 0.05 maka data berdistribusi normal.
Dalam penelitian ini, uji normalitas dilakukan dengan menggunakan grafik histogram, normal probability plot, dan uji Kolmogorov-Smirnov.
3.7.2.2 Uji Heterokedastisitas
Uji heterokedastisitas melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain.
Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan lain. Ada 2 cara yang dilakukan dalam mendeteksi terjadinya heterokedastisitas
yaitu : 1.
Dengan melihat ada tidaknya pola tertentu pada grafik Scatterplot. Dasar analisis Ghozali 2006:105 adalah :
a Jika ada pola tertentu, seperti titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan terjadinya heterokedastisitas.
b Jika tidak ada pola yang jelas, serta titik menyebar di atas dan di bawah
angka nol sumbu Y, maka tidak terjadi heterokedastisitas. 2.
Dengan melakukan Uji Glejser. Uji Glejser dilakukan dengan meregresikan nilai absolute residual terhadap variabel independen lainnya. Menurut Ghozali
Universitas Sumatera Utara
2006: 109 “apabila probabilitas signifikansi di atas tingkat kepercayaan, dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas”.
Berikut ditampilkan hasil output uji Glejser dengan menggunakan SPSS 16.0
Hipotesis statistik: H0 : tidak terdapat heteroskedastisitas
H1 : terdapat heteroskedastisitas α : 5
Statistik uji : Asumsi homoskedastisitas terpenuhi jika uji Glejser berada pada tingkat
signifikansi α yang telah ditetapkan. Kriteria uji :
Tolak H0 jika p- value signifikansi α , terima dalam hal lainnya.
3.7.2.3 Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada suatu periode
dengan kesalahan pada periode sebelumnya yang biasanya terjadi karena menggunakan data time series. Jika terjadi korelasi, maka dinamakan ada
masalah autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2006: 99.
Dasar pengambilan keputusan sebagai berikut:
Tabel 3.4 Kriteria Pengambilan Keputusan Uji Autokolerasi
Hipotesis nol H0 Keputusan
Jika Tidak ada autokolerasi positif
Tolak 0 d dl
Tidak ada autokolerasi positif No decision
dl ≤ d ≤ du Tidak ada autokolerasi negatif
Tolak 4
– dl d 4 Tidak ada autokolerasi negatif
No decision 4
– du ≤ d ≤ 4 – dl
Universitas Sumatera Utara
Tidak ada autokolerasi positif Tidak ditolak
du d 4
– du
Keterangan : du = batas atas dan dl = batas bawah Sumber : Ghozali 2006: 100
3.7.2.4 Uji Multikolinearitas “Multikolinearitas adalah situasi adanya korelasi variabel-variabel
independen antara yang satu dengan yang lainnya. Dalam hal ini, kita sebut variabel-variabel bebas ini tidak ortogonal
” Erlina, 2011:103. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi
diantara sesamanya sama dengan nol. Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar
variabel-variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Deteksi dilakukan dengan melihat nilai VIF
Variable Inflation Factor dan nilai tolerance. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10.
3.7.3 Pengujian Hipotesis 3.7.3.1 Uji Signifikasi Parsial Uji t
