Diagnosa Model Analisa Data

1. Uji Asumsi Dasar Klasik 
Gujarati (1999:86) menyatakan  bahwa terdapat atau tidak penyimpangan asumsi klasik yang dapat terjadi dalam penggunaan model Regresi Linier Berganda yaitu Multikolinieritas, Heteroskedasitas, dan Autokorelasi. Apabila terjadi penyimpangan asumsi ini maka model yang digunakan tidak bersifat BLUE (Best Linier Unbiased Estimates) karenanya perlu dideteksi terlebih dahulu kemungkinan terjadinya penyimpangan tersebut, dengan menggunakan:

a) Uji Multikolinearitas 
Menurut Singgih (2000:203) Multikolinieritas adalah penguji apakah pada model Regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka dinamakan terdapat problem Multikolinieritas.
Uji Multikolinieritas bertujuan untuk menunjukkan apakah terdapat hubungan  (korelasi) yang sempurna atau mendekati sempurna antar variabel bebas yang terdapat dalam model, yaitu koefisien korelasinya tinggi atau bahkan satu (Algifari,2000:84). Untuk mengetahui ada atau tidaknya gejala multikolinieritas dilakukan dengan melihat harga VIF (Variance Inflation Factor) melalui SPSS. Apabila nilai tolerence-nya diatas 0,1 dan VIF dibawah 10, maka model regresi bebas dari multikolinieritas (Ghozali,2001:93).

b) Uji Heteroskedastisitas 
Heteroskedastisitas digunakan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varian dari residual dari satu pengamatan kepengamatan yang lain. Jika varians dari satu pengamatan kepengamatan yang lain tetap disebut  Heteroskedastisitas (Santoso, 2000:208).
Salah satu uji untuk menguji Heteroskedastisitas adalah dengan melihat penyebaran dari varians residual. Apabila penyebaran residual tidak teratur, hal tersebut dapat dilihat pada plot yang terpencar dan tidak membentuk pola tertentu. Dengan demikian tidak memiliki gejala heteroskedastisitas (Santoso dan Ashari, 2005:242).

c) Uji Autokorelasi  
Autokorelasi adalah keadaan dimana variabel gangguan pada periode tertentu berkorelasi dengan  variabel lain, dengan kata lain variabel gangguan tidak random. Untuk menguji apakah hasil-hasil estimasi model regresi  tersebut tidak mengandung korelasi serial diantara  disturbance term-nya, maka dipergunakan  Durbin Watson Statistik, yaitu dengan melihat koefisien korelasi  Durbin Watson, adapun cara mendeteksi  terjadi Autokorelasi  dengan menggunakan tabel 3.4, seperti yang dikemukakan Algifari (2000:88).

Tabel Pengukuran Autokorelasi

Durbin Watson		Kesimpulan
Kurang dari 1,08		Ada Autokorelasi
1,08 sampai dengan 1,66		Tanpa kesimpulan
1,66 sampai dengan 2,34		Tidak ada Autokorelasi
2,34 sampai dengan 2,92		Tanpa korelasi
Lebih dari 2,92		Ada korelasi

Sumber : Algifari (2000:88)


2. Uji Normalitas
Pengujian Normalitas adalah pengujian tentang kenormalan distribusi data. Uji ini merupakan pengujian yang paling banyak dilakukan untuk analiasis statistik parametrik. Penggunaan uji ini karena pada analisis statistik parametrik, asumsi yang harus dimiliki oleh data adalah bahwa data tersebut terdistribusi secara normal. Dan bentuk distribusi normal  di mana data memusatkan pada nilai rata-rata dan median (Santoso dan Ashari, 2005:231).

Untuk mengetahui bentuk distribusi data kita bisa menggunakan grafik distribusi. Penggunaan grafik distribusi merupakan cara yang paling gampang dan sederhana. Cara ini dilakukan karena bentuk data yang terdistribusi secara normal akan mengikuti pola distribusi normal di mana bentuk grafik mengikuti bentuk lonceng. Untuk melihat apakah data terdistribusi secara normal atau tidak, kita dapat melihat pada grafik PP Plot. Suatu data akan terdistribusi secara normal jika nilai probabilitas yang diharapkan adalah sama dengan nilai probabilitas pengamatan.pada grafik PP plots, kesamaannya ditunjukkan dengan garis diagonal yang merupakan perpotongan antara garis probabilitas harapan dan probabilitas pengamatan (Santoso dan Ashari, 2005:232).

Uji Normalitas bisa dilihat dengan menggunakan uji statistik non-parametrik Kolmogorov-smirnow (K-S). Dilakukan hipotesis apabila Ho data residual berdistribusi normal dan Ha data residual tidak berdistribusi normal, untuk itu jika nilai signifikan dari K-S ≥ 5% maka terdistribusi normal dan apabila K-S ≤ 5% maka tidak terdistribusi normal.


3. Uji Model Regresi dan Uji Determinasi 
Uji model regresi dilakukan untuk memastikan bahwa model penelitian yang telah digunakan, dapat diterapkan pada penelitian ini. Uji model dilakukan dengan menggunakan uji statistik F, dimana hasil signifikansi dari F-hitung lebih  kecil dari tingkat signifikansi  α=5%, sedangkan uji determinasi berguna  untuk mengetahui seberapa besar pengaruh variabel independen secara bersamaan terhadap variabel dependen.


Sumber:
Algifari. 2000. Analisis Regresi, Teori Kasus dan Solusi, Yogyakarta: BPFE.
Ghozali, Imam. 2001. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: UNDIP.
Gujarati, Damodar. 1999. Essentials of Econometric, Second Edition,  United State: McGraw-Hill Companies, Mulyadi, A., Julius (penerjemah). 2006. Dasar-Dasar Ekonomimetrika jilid 2,  (edisi ketiga), Jakarta: Erlangga.
Santoso, Singgih. 2000.  Buku Latihan SPSS Statistik Parametrik, Jakarta: Elex Media Komputindo.
Santosa, Budi, Purbayu dan Ashari. 2005. Analisis Statistik dengan Microsoft Excel & SPSS. Yogyakarta: ANDI.