Uji Asumsi Klasik
Uji
asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi linear berganda yang digunakan untuk menganalisis dalam penelitian ini terbebas dari penyimpangan
asumsi klasik yang meliputi uji normalitas, multikolinearitas,
heteroskedastisitas, dan autokorelasi. Adapun masing-masing penngujian tersebut
dapat dijelaskan sebagai berikut :
1.
Uji Normalitas
Uji
normalitas bertujuan untuk menguji apakah dalam suatu model regresi linear
variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau
tidak. Model regresi yang baik adalah yang memiliki distribusi data normal atau
mendekati normal (Ghozali, 2001 p.110). Pada
prinsipnya normalitas dapat dideteksi dengan meliihat penyebaran data pada
sumbu diagonal dari grafik, jika data menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas,
jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis
diagonal maka model regresi tidak memenuhi asumsi normalitas (Santoso, 2008 p.322).
2.
Uji Multikolinearitas
Uji
multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi antar variabel dependent (bebas). Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel bebas (Ghozali, 2008 p.91). Untuk mendeteksi ada atau tidaknya multikolinearitas dalam model
regresi ini adalah dengan menganalisa matrik korelasi variabel-variabel bebas dan
apabila korelasinya signifikan antar variabel bebas tersebut maka terjadi
mulltikolinearitas. Uji multikolinearitas dilakukan dengan mencari nilai VIF (Variance
Inflation Factor) atau Tolerance Value. Kedua variabel ini
menunjukkan setiap variabel independent manakah yang dijelaskan oleh
variabel independent lainnya. Tolerance mengukur variabilitas
variabel independent yang terpilih yang tidak dijelaskan oleh variabel independent
lainnya. Jadi nilai tolerance yang rendah sama dengan VIF yang tinggi,
batasan umum yang digunakan adalah tolerance < 0,1 atau nilai VIF
> 10 maka terjadi multikolinearitas.
3.
Uji Heteroskedastisitas
Uji
heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika
varians dari satu pengamatan ke pengamatan yang lain tetap maka disebut
homoskedastisitas atau tidak terjadi heteroskedastisitas. Atau jika varians
berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang berifat
homoskedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2008 p.105). Untuk
melihat model regresi bersifat heteroskedastisitas atau tidak, dapat diketahui
dengan teknik analisis berbantuan komputer SPSS Statistic dengan metode chart
dalam bentuk diagram scatter plot, yaitu:
a. Jika ada pola tertentu seperti titik-titik yang ada
membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit)
maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
4.
Uji Autokorelasi
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
1
|
.309(a)
|
.095
|
.068
|
14.259
|
1.871
|
Uji
autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi linear
terdapat korelasi antara pengganggu pada periode t dengan kesalahan pada
periode t-1 (Ghozali, 2008 p.84). Alat
analisis yang digunakan adalah uji Durbin – Watson Statistic. Untuk
mengetahui terjadi atau tidak autokorelasi
dilakukan dengan membandingkan nilai statistik hitung Durbin Watson pada
tabel.
Dasar
pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut :
a. Bila
nilai DW terletak diantara batas atau upper bound (du) dan (4-du) maka
koefisien autokorelasi = 0, berarti tidak ada autokorelasi.
b. Bila
nilai DW lebih rendah daripada batas bawah atau lower bound (dl) maka
koefisien autokorelasi > 0, berarti ada autokorelasi positif.
c. Bila
nilai DW lebih besar dari (4-dl) maka koefisien autokorelasi < 0, berarti
ada autokorelasi negatif.
d. Bila
nilai DW terletak antara du dan dl atau
DW terletak antara (4-du) dan (4-dl), maka hasilnya tidak dapat disimpulkan.
