57
dipenuhi adalah: a.
berdistribusi normal. b.
non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna
ataupun mendekati sempurna. c.
homokedastisitas, artinya varians variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama
d. non-autokorelasi, artinya kesalahan pengganggu dalam model regresi
tidak saling berkorelasi. Pengujian tersebut meliputi:
3.6.1.1 Uji Normalitas
Uji ini bertujuan untuk melihat normal tidaknya sebaran data. Deteksi normalitas dengan melihat penyebaran
data pada sumbu diagonal dari grafik. Dasar pengambilan keputusan normal probability plot tersebut adalah sebagai
berikut: a.
jika data menyebar sekitar garis diagonal dan mengikuti arah garis diagonal atau grafis histogramnya menunjukkan pola
distribusi normal, maka model regresi memenuhi asumsi normalitas
b. jika menyebar jauh dari garis diagonal danatau tidak
mengikuti arah garis diagonal atau grafis histogramnya tidak menunjukkan pola distribusi normal, maka model regresi
Universitas Sumatera Utara
58
tidak memenuhi asumsi normalitas. Analisis statistik dilakukan dengan uji statistik
nonparametrik Kolmogrov-Smirnov K-S. Bila nilai signifikan 0,05 berarti distribusi data tidak normal,
sebaliknya bila nilai signifikan 0,05 berarti distribusi data normal Ghozali, 2005: 115.
Distribusi yang melanggar asumsi normalitas dapat dijadikan menjadi bentuk yang normal menurut Jogiyanto
2004: 172 dengan beberapa cara sebagai berikut: 1.
Transformasi Data Transformasi data dapat dilakukan dengan logaritma
natural Ln, Log 10, maupun akar kuadrat. Jika ada data yang bernilai negatif, transformasi data dengan logaritma
akan menghilangkannya sehingga jumlah sampel n akan berkurang.
2. Trimming
Trimming adalah memangkas atau membuang observasi yang bersifat outlier.
3. Winzorising
Winzorising mengubah nilai-nilai outlier menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya
distribusinya menjadi normal.
Universitas Sumatera Utara
59
3.6.1.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi di antara
variabel independen. Model regresi yang baik seharusnya menunjukkan tidak terjadinya korelasi di antara variabel
independen. Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang
lainnya. Untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi, menurut Ghozali 2005: 91, dapat dilihat
dari: 1.
nilai tolerance dan lawannya 2.
variance inflation factor Kedua ukuran ini menunjukkan setiap variabel
independen lainnya. Tolerance mengukur variablitias variabel independen yang terpilih tidak dijelaskan oleh variabel
independen lainnya. Jadi nilai tolerance yang rendah sama dengan VIF yang tinggi karena VIF = 1Tolerance. Nilai
cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0,10 atau sama
dengan nilai VIF 10.
3.6.1.3 Uji Heteroskedastisitas
