3.7. Uji Asumsi Klasik 3.7.1. Uji Normalitas
Uji ini dilakukan untuk memastikan µ term of error tersebar normal.
Jika µ tersebut normal maka koefisien OLS β OLS juga tersebar normal dengan demikian Y juga tersebar normal, karena adanya hubungan
linier antara µ, β, dan Y. untuk sebaran µ dapat digunakan uji Jarque Berra JB error term atau µ disebut normal jika nilai JB lebih rendah atau sama
dengan nilai kritis tabel chi-square derajat bebas, alpha. Hipotesis yang dipakai adalah H
diterima dan H
a
ditolak jika nilai JB lebih besar dari tabel chi-square, berarti sebaran error µ dan Y tidak
normal dan H ditolak. Sedangkan H
a
diterima jika nilai JB lebih kecil dari nilai tabel chi-square berarti sebaran error µ dan Y normal.
3.7.2. Uji Multikolinearitas
Istilah multikolinearitas mula-mula dikemukakan oleh Ragner Fisher yang mempunyai arti hubungan linear sempurna antara variabel, variabel
independen dalam suatu model regresi. Multikolinearitas timbul akibat sifat- sifat yang terkadang dalam kebanyakan variabel ekonomi berubah bersama-
sama sepanjang waktu dan penggunaan Lag Lagged Values dari variabel- variabel bebas tertentu dalam model regresi. Dengan adanya
multikolinearitas, maka hasil estimasi koefisien regresi bersifat bias. Analisis regresi tidak menemukan hubungan yang benar akan kemampuan
Universitas Sumatera Utara
produksi akan menjadi lemah. Uji multikolinearitas diperoleh dengan beberapa langkah yaitu:
1. Melakukan regresi lengkap Y=fX1,….Xn sehingga kita mendapatkan R-square.
2. Melakukan regresi X1 terhadap seluruh X lainnya, maka diperoleh
nilai Ri-square auxiliary regression. 3. Membandingkan nilai Ri-square dengan R-square. Hipotesis yang
dapat dipakai adalah H diterima apabila Ri-square R-square model
pertama berarti tidak terjadi multikolinearitas dan Ha diterima apabila Ri-square R-square model pertama berarti terjadi masalah
multikolinearitas.
3.7.3. Uji Autokorelasi
Autokorelasi terjadi bila error term μ dari periode waktu yang berbeda berkorelasi. Dikatakan bahwa error term berkorelasi atau mengalami
korelasi serial apabila variabel ei, ej ≠ 0 untuk i ≠ j.
Ada beberapa cara untuk mengetahui keberadaan autokorelasi, yaitu : a. Dengan memplot grafik.
b. Dengan Durbin-Watson D-W Test. D-hitung =
∑ ∑
−
−
2 1
et e
e
t t
Dengan hipotesis sebagai berikut :
Universitas Sumatera Utara
Ho : ρ = 0 berarti tidak ada autokorelasi Ha : ρ ≠ 0 berarti ada autokorelasi.
Dengan jumlah sampel dan variabel independen tertentu, diperoleh nilai kritis dl dan du dalam tabel distribusi Durbin-Watson untuk berbagai
nilai ⍺. Hipotesis yang digunakan adalah :
Gambar 3.3 Kurva D-W Statistik
Keterangan : Ho
: tidak ada korelasi Dw dl
: tolak Ho ada korelasi positif Dw 4-dl
: tolak Ho ada korelasi negatif Du dw 4-du : terima Ho tidak ada korelasi
Dl ≤ dw ≤ du
: tidak bisa disimpulkan inconclusive
Universitas Sumatera Utara
4-du ≤ dw ≤ 4-dl
: tidak bisa disimpulkan inconclusive
3.8. Definisi Operasional
