Pengujian Asumsi Klasik

Pengujian Asumsi Klasik

Uji asumsi klasik digunakan dalam penelitian agar hasil kesimpulan yang diperoleh tidak menimbulkan nilai yang bias. Adapun uji asumsi klasik dalam penelitian ini meliputi uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.

1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu/residual memiliki distribusi normal. Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dergan distribusi yang mendekati distribusi normal.

Namun demikian hanya dengan melihat histogram ini kurang akurat khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, clan ploting data residual akan dibandingkan dengan garis diagonal. Jika data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Berikut disajikan grafik histogram dan normal probability plot hasil uji normalitas.

Grafk 4.1

Histogram Uji Normalitas

Grafk 4.2

Normal Probability Plot

Berdasarkan grafik histogram 4.1 di atas, tampak bahwa residual terdistribusi secara normal dan berbentuk simetris. Sedangkan pada grafik 4.2 normal probility plots di atas terlihat bahwa titik-titik menyebar disekitar garis diagonal. Grafik ini menunjukkan bahwa residual terdistribusi secara normal sehingga model regresi memenuhi asumsi normalitas.

Uji normalitas dengan grafik dirasa kurang akurat jika tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya (tidak normal). Oleh karena itu dilakukan pengujian statistik dengan cara melakukan uji one sample tes Kolmogorov-Smirnov (K-S). Uji ini digunakan untuk menghasilkan angka yang lebih detail, apakah suatu persamaan regresi yang akan dipakai lolos normalitas. Suatu persamaan regresi dikatakan lolos normalitas apabila nilai signifikasi uji Kolmogorov-Smirnov lebih besar dari 0,05 (Ghozali, 2005). Berikut disajikan hasil uji one sample tes KolmogorovSmirnov (K-S).

Tabel 4.7 Hasil Uji Kolmogorov-Smirnov

Berdasarkan tabel di atas, terlihat bahma nilai Kolmogorov-Smirnov sebesar 0,508 dengan nilai signifikan uji Kolmogorov-Smirnov sebesar 0,959. Karena nilai sigrufikasinya lebih besar dari 0,05 (0,959 > 0,05) maka dapat disimpulkan bahwa data terdistribusi normal.

2. Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah dala.m model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau yang tidak terjadi heteroskedastisitas (Imam Ghozali, 2005). Didalam pengujian heteroskedastisitas pada penelitian ini didasarkan pada Scatterplot.

Grafk 4.3

Uji Heteroskedastisitas

Dari grafik scatterplot di atas terlihat titik-titik menyebar secara acak (random), tidak membentuk sebuah pola tertentu yang jelas atau teratur, serta titik-titik tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala heteroskedastisitas pada model regresi.

3. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan pengganggu pada periode sebelumnya. Autokorelasi dalam penelitian ini menggunakan uji statistik Durbin Watson (DW test). Berikut disajikan hasil uji autokorelasi.

Tabel 4.8

Hasil Uji Autokorelasi

Berdasarkan tabel di atas, nilai DW sebesar 1,575. Nilai ini akan dibandingkan dengan nilai tabel menggunakan signifikansi 5%, jumlah sampel (n) 9 dan jumlah variabel independen 1 (k = 2), maka didapat angka dL = 0,629 dan dU = 1,699. Dengan menggunakan tabel pengambilan keputusan ada tidaknya autokorelasi yang disampaikan oleh Ghozali (2005), maka nilai DW 1,575 diantara du dan 4-du yaitu 1,699 < 1,575 < 3,398 (du < d< 4-du) artinya tidak terdapat autokoreasi.

4. Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variable independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol (Ghozali, 2001). Berikut hasil dari uji multikolinearitas.

Tabel 4.9

Hasil Uji Multikolinearitas

Dari hasil uji multikolinearitas diperoleh hasil bahwa semua variabel independen dari modal regresi tidak terdapat multikolinearitas yang ditunjukkan oleh nilai VIF dibawah 10 dan nilai tolerance yang lebih besar dari 0,1. Ini menunjukkan bahwa model regresi ini layak digunakan karena tidak terdapat variabel yang mengalami multikolinearitas.