42
2. Terdapat nilai rata-rata nol zero mean value of disturbance pada residual
variabel penggangu µ. 3.
Homoskedastisitas yang konstan pada varian dari µ. 4.
Diantara variabel penggangu µ tidak terdapat gejala autokorelasi. 5.
Tidak boleh terdapat gejala multikolinieritas. 6.
Distribusi dari variabel penganggu µ harus bersifat normal atau stokastik.
7. Kovarian antara variabel independen Xi dan variabel penggangu µ
adalah nol.
3.10.1 Uji Normalitas
Model regresi yang memiliki kriteria BLUE Best Linier Unbiased Estimator adalah metode regresi dengan pola distribusi data yang normal atau
yang mendekati mormal. Maka untuk mengetahui pola persebaran data variabel dependen dan independen maka dilakukanlah uji normalitas terhadap data
penelitian. Dalam penelitian ini metode yang digunakan adalah metode Jarque- Berra Test yang dilakukan dengan menghitung skewness dan kurtosis. Untuk
memperoleh nilai JB hitung, maka digunakan rumus:
J-B hitung =
�� �
+ �
�−� ��
�
�
Dimana : S = Skewness
K = Kurtosis Jika nilai propability Jarque-Berra hitung 0.10 maka Ha diterima, artinya
data tersebut berdistribusi normal.
Universitas Sumatera Utara
43
3.10.2 Multikolinieritas
Multikolinieritas adalah alat untuk mendeteksi gejala korelasi antar variabel independen. Nilai R-square, F-hitung, t-hitung serta standart error dapat
dijadikan acuan untuk mendeteksi gejala multikolinieritas Evriyanti,2012. Multikolinieritas dapat dideteksi dengan :
1. Standart error tidak terhingga
2. Terjadi perubahan tanda atau tidak sesuai dengan teori
3. R
2
sangat tinggi akan tetapi tidak ada satupun t-statistik yang signifikan pada α = 5, α = 10 dan α = 1
3.10.3 Autokorelasi
Jika terjadinya autokorelasi dalam model regresi disebabkan bahwa terdapatnya korelasi antara variabel error term µ antar waktu. Asumsi dari
model regresi linier klasik adalah error term pada pengamatan lain tidak berpengaruh terhadap error term yang berhubungan dengan observasi.
Eu
i
u
j
= 0 i ≠j
Untuk mendeteksi ada tidaknya gejala autokolerasi dalam suatu model regresi, maka terdapat cara-cara dibawah ini:
1. Dengan menggunakan atau memplot grafik scatter-plot.
2. Dengan uji Durbin-Watson D-W test.
Rumus D-W test adalah sebagai berikut: D-hitung
=
∑�
�
−�
�−1 2
∑ �
2 �
Hipotesisnya adalah sebagai berikut:
Universitas Sumatera Utara
44
H = ρ = 0 tidak ada autokorelasi
H
a
= ρ ≠ 0 ada autokorelasi Dalam uji D-W terlebih dahulu harus ditentukan besarnya nilai kritis dari
D
u
dan d
1
. Berdasarkan jumlah dari variabel independen, jika hipotesis nol menyatakan bahwa tidak terjadi autokorelasi, maka:
1. Jika DW dt, maka H
ditolak, terdapat gejala autokorelasi dalam suatu model regresi.
2. Jika d
u
DW 4 – d
u
, maka H diterima, berarti tidak terdapat gejala
autokorelasi dalam suatu model regresi. 3.
Jika d
1
≤ DW ≤ d
u
atau 4 – d
u
≤ DW 4 – d
1
, berarti tidak terdapat kesimpulan dalam pengujian ini.
Akan tetapi, karena model regresi yang dipilih dalam penelitian ini adalah model FEM, maka uji autokorelasi tidak perlu dilakukan karena model FEM
menganut asumsi bebas dari masalah autokorelasi Pratomo dan Hidayat,2007
3.10.4 Heterokedastisitas
