74
1. Uji Asumsi Klasik
Model regresi yang baik adalah model regresi yang menghasilkan estimasi linier tidak bias Best Linier Unbias EstimatorBLUE. Kondisi
ini akan terjadi jika dipenuhi beberapa asumsi, yang disebut dengan asumsi klasik. Asumsi-asumsi dasar tersebut mencakup normalitas,
multikolinearitas, heteroskedastistas, dan autokorelasi. a.
Uji Normalitas
Uji normalitas bertujuan umtuk menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal
atau tidak.Model regresi yang baik adalah memiliki distribusi normal atau mendekati normal.
Uji normalitas residual metode Ordinary Least Square formal dapat dideteksi dari metode yang dikembangkan oleh Jarque-Bera
JB.Deteksi dengan melihat Jarque Bera yang merupakan asimtosis sampel besar dan didasarkan atas residual Ordinary Least Square.
Gujarati, 2006:165 Langkah pengujian sebagai berikut:
Hipotesis : H
: Model berdistribusi normal H
1
: Model tidak berdistribusi normal Pengambilan keputusan dilakukan dengan kriteria:
o Bila probabilitas ObsR
2
0.05 maka hasil Signifikan, H diterima
o Bila probabilitas ObsR
2
0.05 maka hasil Tidak Signifikan, H ditolak
75
Artinya adalah apabila probabilitas ObsR
2
lebih besar dari 0.05 maka model tersebut dikatakan normal.Apabila probabiitas
ObsR
2
lebih kecil dari 0.05 maka model tersebut dikatakan tidak normal. Winarmo, 2009:5.37
b. Uji Multikolinieritas
Multikolinieritas berarti adanya hubungan linear yang sempurna atau pasti, di antara beberapa atau semua variabel yang
menjelaskan dari model regresi.Ada atau tidaknya multikolinieritas dapat diketahui atau dilihat dari koefisien korelasi masing-masing
variabel bebas Ajija, 2011:35. Dengan kata lain, uji multikolineritas dilakukan untuk menguji apakah pada model regresi ditemukannya
korelasi antar variabel-variabel independen yaitu varibel FDR, DPK, SBIS, dan NPF. Jika terjadi korelasi, maka dinamakan terdapat
masalah multikolinieritas.Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independennya Widarjono, 2005:133.
Cara yang digunkana untuk mendekteksi ada tidaknya masalah multikolinieritas di dalam model dengan melakukan korelasi antar
variabel-variabel independen.Ajija 2011:35 mengatakan jika koefisien korelasi di antar masing-masing variabel bebas lebih besar
dari 0.8 maka terjadi multikolinieritas. Jadi, multikolinieritas dapat dideteksi dengan ketentuan sebagai
berikut: Nilai korelasi 0.8 artinya tidak terdapat multikolinieritas.