Uji Asumsi Klasik Analisis Regresi Berganda

43 disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskesdatisitas atau tidak terjadi heteroskedastisitas Ghozali,2006. Salah satu cara untuk mendeteksi heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dan nilai residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan dengan melihat ada tidaknya pola titik pada grafik scatterplot antara SRESID dan ZPRED, dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual yang telah di-standarized Ghozali, 2005. Dasar analisisnya sebagai berikut: 1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola yang teratur bergelombang melebar kemudian menyempit maka terjadi heteroskedastisitas. 2 Jika tidak ada pola yang jelas seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka hal ini mengindikasikan tidak terjadi heteroskedastisitas. C. Uji Normalitas Pengujian ini dilakukan untuk menguji apakah dalam sebuah model regresi, variabel pengganggu atau residualnya memiliki distribusi yang normal atau tidak. Sebab, model regresi yang baik adalah model regresi yang memiliki distribusi normal atau mendekati normal Ghozali, 2006. Penelitian ini dilakukan dengan melihat pada grafik histogram yang membandingkan distribusi kumulatif dari data 44 sesungguhnya dengan distribusi kumulatif dari distribusi normal. Apabila distribusi kumulatif dari data sesungguhnya yang ditunjukkan oleh grafik histogram mengikuti pola distribusi kumulatif dari distribusi normal yang ditunjukkan oleh kurva normal, maka model regresi yang digunakan dalam penelitian ini dianggap layak dan memenuhi asumsi normalitas. Selain dilihat pada grafik histogram,dapat juga dilihat dari grafik normal probability plot. Apabila titik-titiknya menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi yang digunakan dianggap layak dan memenuhi asumsi normalitas. D. Uji Autokorelasi Autokorelasi digunakan untuk melihat apakah ada hubungan linear antara error serangkaian observasi yang diurutkan menurut waktu data time series, uji autokorelasi dilakukan apabila data yang dianalisis merupakan data time series Gujarati, 2003

2. Uji Statistik F

Uji statistik F menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama- sama terhadap variabel dependen Ghozali, dalam Andini 2012 . Pada uji F jika tingkat signifikansi lebih kecil dari 0,05 maka dapat dinyatakan bahwa variabel independen secara simultan atau bersama-sama mempengaruhi variable dependen untuk tingkat signifikansi = 5 , maka variabel independen secara serentak berpengaruh terhadap variable 45 dependen. Sedangkan jika nilai probabilitas lebih besar dari 0,05 maka variable independen secara serentak tidak berpengaruh terhadap variabel dependen.

3. Uji Statistik t

Uji t digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel penjelas independen secara individual dalam menerangkan variasi variable dependen .Ini berarti uji t digunakan untuk menguji signifikansi hubungan antara variabel X dan Y, apakah variabel X1,X2,X3,X4 benar-benar berpengaruh terhadap variabel Y Persepsi konsumsi pangan pokok non beras secara terpisah atau parsial.

4. Uji Koefisien Determinasi R2

Uji koefisien determinasi R 2 digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai R 2 yang semakin mendekati 1, berarti variabel-variabel independen memberikan hamper semua informasi yang dibutuhkan untuk memprediksi variasi variabel independen.