Uji Asumsi
Berdasarkan teori regresi linier berganda, nilai yang dihasilkan akan membentuk sebuah model persamaan yang benar apabila memenuhi prasyarat asumsi klasik, yaitu tidak terjadinya multikolinearitas, tidak terjadi heteroskedastisitas, dan distribusi data normal atau mendekati normal. Uji asumsi klasik meliputi uji normalitas, uji heteroskedastisitas, uji multikolienaritas.
Normalitas
Uji normalitas dimaksudkan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak dengan menggunakan analisis menggunakan uji statistik yaitu analisis Kolmogorov-smirnov. Hal ini dilandasi alasan bahwa pada analisis regresi asumsi normalitas tidak terletak pada data per variabel, melainkan dari nilai residualnya. Uji normalitas pada penelitian ini menggunakan Uji Kolmogorov-Smirnov, dengan dasar pengambilan keputusan apabila nilai signifikasi uji normalitasnya lebih besar dari 5% maka menunjukkan bahwa data normal.
Multikolineritas
Uji Multikolinieritas untuk mengetahui ada tidaknya multikolinearitas antar variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Pendeteksi pada multikolinieritas dapat dilakukan dengan melihat nilai variance inflating factor (VIF) dari hasil regresi, jika VIF > 10 maka terdapat gejala multikolinieritas yang tinggi, namun jika VIF < 10 maka tidak terdapat gejala multikolinieritas.
Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu observasi ke observasi yang lain. Jika varians residual dari suatu pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas, dan jika berbeda maka terjadi heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Dalam penelitian ini menggunakan uji heterekedasitas dengan dasar pengambilan keputusan pada uji heteroskedastisitas dalam suatu model regresi adalah jika signifikansinya lebih besar dari 5% atau 0,05.
