Uji Normalitas Uji Multikolinieritas

56

a. Uji Normalitas

Uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normal atau tidak Suliyanto 2011:67.Apabila sebaran data sudah berdistribusi normal, maka uji lanjut dengan menggunakan statistik parametrik bisa dilakukan. Sebaliknya, bila data tidak berdistribusi normal maka uji lanjut dengan menggunakan statistik parametrik tidak bisa dilakukan, tetapi menggunakan statistik non parametrik. Untuk menguji normalitas sebaran data bisa dilakukan dengan empat cara, yaitu Chi-Square, Lilifors dan Kormogorov Smirnov dan Skewness Kurtosis. Pada penelitian ini, Uji normalitas menggunakan jarque-bera yang bertujuan untuk menguji apakah dalam model regresi variabel dependen, variabel independen maupun keduanya berdistribusi normal atau tidak. Model yang baik adalah yang memiliki distribusi data yang normal. Pada penelitian ini untuk menguji normalitas dalam persamaan regresi adalah dengan dua cara: a. Membandingkan statistik Jarque-Bera JB dengan nilai X2 tabel. Jika nilai JB ≤ X2 tabel maka nilai residual terstandarisasi dinyatakan berdistribusi normal. b. Jika nilai probabilitas lebih besar dari nilai derajat kesalahan α = 0.05, maka penelitian ini tidak ada 57 permasalahan normalitas atau dengan kata lain, data terdistribusi normal.

b. Uji Multikolinieritas

Uji multikolinieritas merupakan hubungan linier antara variabel independen didalam regresi berganda. Agus Widarjono, 2010:75. Ada beberapa metode untuk mendeteksi ada tidaknya masalah multikolinieritas dalam suatu model regresi berganda. multikolinieritas bisa dideteksi dengan melihat kolerasi linier antara variabel independen di dalam regresi. Sebagai aturan yang kasar rule of thumb, jika koefisien kolerasi cukup tinggi yaitu diatas 0,85 maka kita duga ada multikolinieritas dalam model. Sebaliknya jika koefisien kolerasi kurang dari 0,85 maka kita duga model tidak mengandung unsur multikolinieritas. Akan tetapi perlu kehati-hatian terutama pada data time series seringkali menunjukan kolerasi antar variabel independen cukup tinggi. Kolerasi tinggi ini terjadi karena data time series seringkali menunjukan unsur tren yaitu data bergerak naik dan turun secara bersamaan Agus Widarjono, 2010:77.

c. Uji Heteroskedastisitas