Uji Normalitas Uji Autokorelasi Uji Heterokedastisitas

1. Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah distribusi sebuah data mempunyai distribusi normal atau tidak. Model regresi yang baik adalah model yang berdistribusi normal atau mendekati normal. Setelah dilakukan uji yang pertama, ternyata data mengalami heteroskedastisitas. Kemudian, penulis menggunakan metode transformasi data untuk menormalkan data penelitian. Salah satu transformasi data yang dapat dilakukan adalah dengan mentransformasikan data ke logaritma natural Ln. Jumlah n pada awalnya adalah 39 berkurang menjadi 12. Adapun metode yang digunakan untuk menguji normalitas adalah dengan menggunakan pendekatan Jarque Berra normality test. Tabel 4.9 Hasil Jarque Berra Sumber: Hasil Peneliti, 2014 Data Diolah Berdasarkan tampilan Tabel 4.9 ditemukan bahwa besarnya nilai Jarque- Berra adalah 0,548 dengan nilai probability 0,76 0,05. Kemudian dibandingkan dengan menggunakan tabel Chi Square diperoleh nilai Chi Square tabel adalah 5,991 lebih besar dari nilai Jarque-Berra yakni 0,548. Universitas Sumatera Utara

2. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya. Model regresi yang baik adalah bebas dari autokerelasi. Uji autokorelasi ini menggunakan uji Lagrange Multiplier. Tabel 4.10 Hasil Uji Lagrange Multiplier Sumber: Hasil Peneliti, 2014 Data Diolah Berdasarkan uji autokolerasi pada Tabel 4.10 diperoleh nilai ObsR-square sebesar 2,446 dengan nilai probability 0,294 0,05. Kemudian dibandingkan dengan menggunakan tabel Chi Square diperoleh nilai Chi Square tabel adalah 5,991 lebih besar dari nilai ObsR-square yakni 2,446. Hal ini menunjukkan bahwa tidak terdapat autokorelasi dalam hasil estimasi.

3. Uji Heterokedastisitas

Uji heterokedastisitas digunakan untuk menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Jika varians sama maka terjadi homoskedastisitas. Sedangkan, jika varians tidak sama, inilah yang disebut dengan heterokedastisitas. Model regresi yang baik adalah yang tidak terjadi heterokedastisitas. Untuk mengetahui ada tidaknya heteroskedastisitas dalam model regresi dapat dilihat dengan melakukan uji White. Universitas Sumatera Utara Tabel 4.11 Hasil Uji White Heteroskedasticity Sumber: Hasil Peneliti, 2014 Data Diolah Pada tabel 4.11 diperoleh nilai ObsR-square sebesar 6,544 dengan nilai probability 0,256 0,05. Dibandingkan dengan menggunakan tabel Chi Square diperoleh nilai Chi Square tabel adalah 11,070 lebih besar dari nilai ObsR-square yakni 6,544. Hal ini menunjukkan bahwa tidak terdapat masalah heteroskedastisitas dalam hasil estimasi.

4. Uji Multikolinearitas