4.1.3 Evaluasi Ekonometrika
Evaluasi Ekonometrika digunakan untuk mengetahui apakah model regresi yang diperoleh mengalami penyimpangan terhadap asumsi klasik atau tidak. Uji
asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square OLS. Jadi analisis
regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus
dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana dan uji autokorelasi tidak
perlu diterapkan pada data cross sectional Kurnia, 2010. Model regresi dapat menghasilkan estimator linier tidak bias yang terbaik
atau dikenal dengan istilah BLUE Best Linear Unbiased Estimator, BLUE dapat dicapai apabila memenuhi syarat asumsi klasik. Dengan terpenuhinya asumsi
tersebut, maka hasil yang diperoleh dapat lebih akurat dan mendekati atau sama dengan kenyataan. Uji asumsi klasik dilakukan sebelum uji hipotesis, hal ini
dimaksudkan untuk mengetahui apakah model yang dipakai tersebut relevan ataukah tidak karena akan dijadikan sebagai prediksi.
Evaluasi Ekonometrika yang digunakan adalah :
4.1.3.1. Uji Normalitas
Pengujian uji normalitas dapat dilakukan dengan menggunakan grafik normal P-P plot. Grafik tersebut menunjukkan apakah residual terdistribusi
normal atau tidak. Grafik normal P-P plot dapat dicari untuk mengetahui normalitas data penelitian semua variable jika titik
– titik yang dihasilkan
mendekati garis diagonal. Sehingga dapat disimpulkan data tersebut berdistribusi normal. Berikut ini adalah gambar grafik P-P plot nya.
Gambar 4.1 Grafik P-P Plot Normalitas
P-P plot pengujian normalitas model regresi Terlihat bahwa titik-titik yang terbentuk mendekati garis diagonal yang
berarti data berdistribusi normal.
4.1.3.2. Uji Multikolinearitas
Pengujian ini dilakukan untuk mengetahui adanya hubungan linier yang pasti diantara beberapa atau semua variabel bebas yang menjelaskan model
regresi. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Salah satu cara untuk mengetahui ada tidaknya multikolinieritas pada suatu
model regresi adalah dengan melihat nilai Tolerance dan VIF Variance Inflation Factor. Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa
0.0 0.2
0.4 0.6
0.8 1.0
Observed Cum Prob
0.0 0.2
0.4 0.6
0.8 1.0
Expected Cum Prob
Dependent Variable: Partisipasi anggota Normal P-P Plot of Regression Standardized Residual
tidak terdapat multikolieritas pada penelitian tersebut, dan sebaliknya jika nilai tolerance 0,10 dan VIF 10 maka terjadi multikolinieritas.
Tabel 4.22 Uji Multikolinieritas
Berdasarkan tampilan output di atas, hasil perhitungan nilai Tolerance menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance lebih
dari 0,10. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hal yang sama, tidak ada satu variabel independen yang memiliki
nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independen dalam model regresi.
4.1.3.3. Uji Heteroskedastisitas
Kategori