• β
3
: Koefisien Listrik. •
Β
4
: Koefisien Telepon. • U
: Faktor Penganggu. Untuk menguji hasil output analisa regresi tersebut, maka dilakukan uji
asumsi klasik yang meliputi uji normalitas, uji multikolinearitas, uji autokorelasi dan uji heterokesdastisitas.
3.7.1 Uji Asumsi Klasik
3.7.1.1 Uji normalitas digunakan untuk mengetahui apakah populasi data
berdistribusi normal atau tidak.Uji normalitas bertujuan untuk menguji apakah dalam model regresi tersebut, variabel dependen dan variabel
independen keduanya mempunyai distribusi normal atau tidak.Dalam uji normalitas, model regresi yang baik yaitu memiliki distribusi data normal
atau setidaknya mendekati normal.Mendeteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik normal P-P Plot. Adapun
pengambilan keputusan didasarkan kepada : Uji Normalitas
a Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan pola distribusi
normal, maka model regresi memenuhi asumsi normalitas. b Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti
arah garis diagonal, atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi
normalitas.
3.7.1.2 Multikolinearitas adalah alat untuk mengetahui suatu kondisi,
apakah terdapat korelasi variabel independen di antara satu sama lainnya. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai
R-Square R
2
, F-hitung, t-hitung, serta standard error. Uji Multikolinearitas
Adanya multikolinearitas ditandai dengan : 1. Standard error tidak terhingga.
2. Tidak ada satupun t- statistik yang signifikan pada α = 5, α = 10, α
= 1 dalam model persamaan tersebut. 3. Terjadi perubahan tanda atau tidak sesuai dengan teori.
4. R-Square R
2
sangat tinggi akan tetapi t-statistik berubah tanda dan tidak signifikan.
3.7.1.3 Autokorelasi terjadi bila error term μ dari periode waktu yang
berbeda observasi data cross section berkorelasi atau dapat juga dikatakan adanya hubungankorelasi antara residual yang sekarang dengan
masa lalu.Dikatakan bahwa error term berkorelasi atau mengalami korelasi serial apabila variabel εi.εj ≠ 0; untuk i ≠ j, dalam hal ini dikatakan
memiliki masalah autokorelasi.Pengujian autokorelasi dilakukan dengan uji Breusch-Godfrey Serial Correlation Lagrange Multiplier Test uji
LM.Uji ini sangat berguna untuk mengidentifikasi masalah autokorelasi tidak hanya pada derajat pertama tetapi bisa juga digunakan pada tingkat
Uji Autokorelasi
derajat. Dikatakan terjadi autokorelasi jika nilai X
2
Obs R-squared hitung X
2
tabel atau nilai probability derajat kepercayaan yang ditentukan.
3.7.1.4 Heteroskedastisitas merupakan kondisi dimana jika variabel
random memiliki variansi yang berbeda.Sifat heteroskedastisitas dalam OLS adalah mengakibatkan koefisien tidak lagi mempunyai variansi
minimum meskipun koefisien masih bias dan linear.Uji ini bertujuan untuk menguji apakah dalam model regresi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan yang lain. Uji Heteroskedastisitas
Metode untuk dapat mendeteksi ada tidaknya masalah heteroskedastisitas dalam model empiris menggunakan uji White dimana
dibedakan menjadi dua bentuk, yaitu uji White Heteroskedastisitas no cross term dan uji White Heteroskedastisitas cross term.Dikatakan
terdapat masalah heteroskedastisitas dari hasil estimasi jika X
2
Obs R- squared untuk uji White baik cross term maupun no cross term X
2
tabel atau nilai probability derajat kepercayaan yang telah ditentukan.
3.7.2 Uji Statistik