3.5.5 Uji Asumsi Klasik
Dalam penggunaan regresi, terdapat beberapa asumsi dasar yang dapat menghasilkan estimator linear tidak bias atau BLUE Best Linier Unbiased
Estimator yang terbaik dari model regresi berganda. Dengan terpenuhinya asumsi
tersebut, maka hasil yang diperoleh dapat lebih akurat dan mendekati atau sama dengan kenyataan, dimana asumsi
– asumsi dasar itu dikenal sebagai asumsi klasik Hasan, 2008:280.
Adapun uji asumsi klasik yang dilakukan, yaitu sebagai berikut :
1. Normalitas
Uji normalitas adalah pengujian yang dilakukan untuk mengetahui apakah model regresi penelitian nilai residualnya berdistribusi normal atau tidak.
Pengujian normalitas dapat dilakukan dengan berbagai prosedur dan dalam penelitian ini uji normalitas dilakukan dengan uji Jarque-Bera melalui software
Eviews 6.0 . Dasar pengambilan keputusan dalam deteksi normalitas yaitu dengan
membandingkan nilai Jarque-Bera dengan �
2 tabel
yaitu apabila nilai Jarque-Bera nilai
�
2 tabel
dan apabila nilai probabilitasnya 0.05 5 maka dapat disimpulkan data berdistribusi normal Panduan Praktikum Aplikom Unnes, 2009:22-23.
Dalam penelitian ini uji normalitas dengan menggunakan software Eviews 6.0.
2. Multikolinearitas
Multikolinearitas adalah adanya suatu hubungan linier yang sempurna mendekati sempurna antara beberapa atau semua variabel bebas Kuncoro,
2007:98, sedangkan menurut Hasan 2008:292 multikolinearitas berarti antara variabel bebas yang satu dengan variabel bebas yang lain dalam model regresi
saling berkorelasi linear. Dalam penelitian ini cara melakukan uji multikolinearitas adalah dengan menggunakan metode korelasi parsial antar
variabel melalui software komputer Eviews 6.0. Diamana rule of thumb yang berlaku adalah jika nilai koefisien korelasi cukup tinggi, yaitu diatas 0.85 maka
dapat kita duga bahwa model regresi mengalami ganguan multikolinearitas Widarjono, 2009:106. Dalam penelitian ini uji multikolinearitas dengan
menggunakan bantuan software Eviews 6.0.
3. Heteroskedastisitas
Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati memiliki varians yang konstan dari satu observasi ke observasi
lainnya Hanke Reitsch dalam Koncoro, 2007:96. Artinya, setiap observasi mempunyai reliabilitas yang berbeda akibat perubahan dalam kondisi yang
melatarbelakangi tidak
terangkum dalam
spesifikasi model.
Gejala heteroskedastisitas lebih sering dijumpai dalam data silang tempat daripada runtut
waktu, maupun juga sering muncul dalam analisis yang menggunakan data rata- rata Ananta dalam Kuncoro, 2007:96.
Dalam penelitian ini pengujian heteroskedastisitas dilakukan dengan metode uji Glejser melalui software komputer Eviews 6.0. Pengambilan keputusan
terdapat heteroskedastisitas atau tidak dalam hasil estimasi model maka harus ditentukan dahulu derajat kebebasan degree of freedom dimana df sama dengan
jumlah variabel independen dalam model tidak termasuk konstanta Ghozali, 2009:44. Jika nilai
�
2 hitung
nilai R
2
dikalikan jumlah data �
2 tabel
dan nilai probabilitasnya 0.05 5 maka dapat disimpulkan bahwa tidak ada masalah
heteroskedastisitas di dalam model penelitian tersebut Panduan Praktikum Aplikom Unnes, 2009:26. Dalam penelitian ini uji heteroskedastisitas dengan
menggunakan software Eviews 6.0.
4. Autokorelasi
Kategori