49
dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variable penelitian. Sebenarnya normalitas dapat dilihat dari
gambar histogram, namun seringkali polanya tidak mengikuti kurva normal, sehingga sulit disimpulkan. Akan lebih mudah bila melihat koefisien Jarque-Bera
dan Probabilitasnya.
Kedua angka
ini saling
mendukung. Winarto
Wahyu,2011:5.39 Langkah-langkah pengujian normalitas data sebagai berikut:
Hipotesis: Ho: Model Normal Ha: Model Tidak Normal
Bila probabilitas ObsR2 0.05 → Signifikan, Ho diterima Bila probabilitas ObsR2 0.05 → Tidak signifikan, Ho ditolak
2. Uji Linieritas
Uji yang sangat populer untuk menguji masalah linieritas adalah uji yang dikembangkan oleh J.B Ramsey tahun 1969 untuk lebih dikenal dengan nama
Ramsey RESET Test. Uji ini biasanya didesain untuk menguji apakah suatu variable penjelas cocok atau tidak dimasukkan dalam suatu model estimasi. Akan
tetapi menurut Insukindro,2003 uji yang dikembangkan oleh J.B Ramsey ini digunakan untuk menguji apakah bentuk fungsi suatu model estimasi linier atau
tidak linier. langkah-langkah pengujian sebagai berikut:
Hipotesis: Ho: Model Linear Ha: Model Tidak Linear
50
Bila probabilitas ObsR2 0.05 → Signifikan, Ho diterima Bila probabilitas ObsR2 0.05 → Tidak signifikan, Ho ditolak.
3. Uji Stasioneritas
Salah satu persyaratan penting untuk mengaplikasikan model seri waktu yaitu dipenuhinya asumsi data yang normal atau stabil stasioner dari variabel-
variabel pembentuk persamaan regresi. Karena penggunaan data dalam penelitian ini dimungkinkan adanya data yang tidak stasioner, maka dalam penelitian ini
perlu digunakan beberapa uji stasioner.Dalam melakukan uji stasioneritas, penulis akan melakukan proses analisis yang terdiri dari :
a. Uji Akar Unit
Uji Phillips-Perron memasukkan adanya autokorelasi di dalam variable gangguan dengan memasukkan variabel independen berupa kelambanan diferensi.
Phillips-Perron PP membuat uji akar unit dengan menggunakan metode statistic nonperametrik dalam menjelaskan adanya autokorelasi antara variabel gangguan
tanpa memasukkan variabel penjelaskelambanan diferensi Agus Widarjono, 2007.
Statistik distributif t tidak mengikuti statistik distributif normal tetapi mengikuti distributif statistik PP sedangkan nilai kritisnya digunakan nilai kritis.
Prosedur untuk menentukan apakah data stasioner atau tidak dengan cara membandingkan antara nilai statistik PP dengan nilai kritisnya yaitu distribusi
statistik Mackinnon. Jika nilai absolut statistik PP lebih besar darinilai kritisnya, maka data yang diamati menunjukkan stasioner dan jika sebaliknya nilai absolute
statistik PP lebih kecil dari nilai kritisnya maka data tidak stasioner.