2. Analisis statistik
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual
kelihatan normal, pada hal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji statistik
sederhana dapat dilakukan dengan melihat nilai kurtosis dan skewness dari residual. Nilai z statistik untuk skewness dapat dihitung dengan rumus :
Sedangkan nilai z kurtois dapat dihitung dengan rumus :
Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji
statistik non-parametrik Kolomogorov-Smirnov K-S, uji Shapiro-Wilk S-W, uji Peason Chi-square, uji Cramer-von Mises, dan uji Anderson-Darling.
Uji data tersebut dilakukan dengan membuat hipotesis: H
O
: Data residual berdistribusi normal. Ha : Data residual tidak berdistribusi normal
One sample Normality Test
Test Statistic
P Value Shapiro-Wilk
W 0,894861 Pr W 0,0795
Kolmogorov-Smirnov D 0,16704
Pr D 0,1500 Cramer-von Mises
W-Sq 0,094665 Pr W-Sq 0,1238
Anderson-Darling A-Sq 0,601986
Pr A-Sq 0,0971
Besarnya nilai uji Kolomogorov-Smirnov, Shapiro-Wilk, Cramer-von Mises, dan Anderson Darling untuk nilai statistik dan p Value nilainya signifikan dan 0,05 hal
ini berarti H0 diterima yang berararti data residual terdistribusi normal.
b. Pengujian Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam 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 Homokedastisitas dan jika berbeda disebut heteroskedastisitas. Kebanyakan data ini menghimpun data yang mewakili berbagai ukuran
kecil,sedang, dan besar. Akibat terjadinya heteroskedastisitas maka setiap terjadi perubahan pada variabel
terikat mengakibatkan errornya residual juga berubah sejalan atau kenaikan atau penurunannya. Dengan kata lain konskuensinya apabila variabel terikat bertambah
maka kesalahan juga akan bertambahGujarati, Damodar N., 1988: 401. Uji heteroskedastisitas merupakan salah satu penyimpangan terhadap asumsi
kesamaan varians homokedastisitas, yaitu bahwa varians error bernilai sama untuk setiap kombinasi tetap dari X1,X2,...,Xp. Masalah heteroskedastisitas timbul
apabila variabel gangguan mempunyai varian yang tidak konstan. Jika asumsi ini tidak dipenuhi maka diduga OLS tidak lagi bersifat BLUE best linier unbiased
estimator, karena ia akan menghasilkan dugaan dengan galat baku yang tidak akurat. Ini dapat berakibat pada uji hipotesis dan dugaan selang kepercayaan yang
dihasilkan juga tidak akurat dan akan menyesatkan misleanding. Dalam