Uji Asumsi Klasik

Macam-macam uji asumsi klasik yang digunakan dalam penelitian:

a. Uji Normalitas
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data (Santoso,2005 :231). Penggunaan uji normalitas karena pada analisis statistik parametrik, asumsi yang harus dimiliki oleh data adalah bahwa data tersebut terdistribusi secara normal. Distribusi normal data dengan bentuk distribusi normal dimana data memusat pada nilai rata-rata dan median.
Dasar pengambilan keputusan dengan uji normalitas dengan menggunakan grafik P-P Plot menurut Santoso (2002:214) adalah sebagai berikut :
1) Apabila data tersebut disekitar garis diagonal atau mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2) Apabila data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.

b. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independent variable). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas, karena jika hal tersebut terjadi maka variabel-variabel tersebut tidak ortogonal atau terjadi kemiripan. Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas bernilai nol. Uji ini untuk menghindari kebiasaan dalam proses pengambilan keputusan mengenai pengaruh parsial masing-masing variabel independen terhadap variabel dependen. Untuk mendeteksi apakah terjadi problem multikolinearitas dapat diketahui dengan Variace Inflation Factor (VIF) dan Tolerance. Pedoman suatu model regresi yang bebas multikolinearitas menurut Santoso (2002:206) adalah sebagai berikut:
a.) Mempunyai nilai VIF disekitar angka 1
b.) Mempunyai angka tolerance mendekati 1


c. Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah varian dari kesalahan pengganggu konstan untuk semua nilai variabel independent (bebas). Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk melihat gejala heterokedastisitas dapat dilihat dengan grafik scatterplot.
Dasar pengambilan keputusan untuk mendeteksi heteroskedastisitas adalah sebagai berikut:
1) Jika ada pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

d. Uji Autokorelasi
Persamaan regresi yang baik adalah tidak memiliki masalah autokorelasi, jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak dipakai prediksi. Masalah autokorelasi timbul jika ada korelasi secara linier antara kesalahan pengganggu periode t (berada) dengan kesalahan pengganggu periode t-1 (sebelumnya). Untuk menentukan ada tidaknya masalah autokorelasi dapat dilakukan dengan rumus Durbin-Watson.
Dalam penelitian ini menggunakan pendekatan cross sectional, artinya pengambilan data dilakukan secara serentak dan tidak menggunakan subyek yang sama sehingga data tidak terpengaruh perubahan waktu. Oleh karena itu penelitian ini tidak perlu melakukan uji autokorelasi.

e.  Uji Linearitas
Uji linearitas merupakan suatu upaya untuk memenuhi salah satu asumsi regresi linear yang mensyaratkan adanya hubungan variabel bebas dan variabel terikat yang saling membentuk kurva linear.