telah mendekati normal.
4
Untuk mengetahui data terdistribusi normal atau tidak dapat melihat dari nilai probability pada uji Jarque-Bera.
Jika nilai probability nilai α 0.05 maka dapat dikatakan bahwa data terdistribusi normal.
b. Uji Heteroskedastisitas
Heteroskedastisitas merupakan keadaan di mana semua gangguan yang muncul dalam fungsi regresi populasi tidak memiliki
varians yang sama.
5
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu
pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika
berbeda disebut heteroskedastisitas. Uji heteroskedastisitas dapat dilakukan dengan berbagai cara,
seperti metode grafik, uji Park, uji Glejser, uji Korelasi Spearman, uji Goldfeld-Quandt, uji Bruesch-Pagan-Godfrey, dan uji White.
6
Namun, dalam penelitian ini menggunakan uji White Heteroscedasticity. Hasil
yang diperhatikan dalam uji ini adalah nilai F dan Obs R-Squared.
4
Shochrul R. Ajija, dkk, Cara Cerdas Menguasai Eviews Jakarta: Penerbit Salemba Empat, 2011, h.42.
5
Ibid., h.36.
6
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistika dengan Eviews Yogyakarta: Unit Penerbit dan Percetakan Sekolah Tinggi Ilmu Manajemen YKPN, 2007, h.5.8.
Jika nilai Obs R-Squared α 0.05 maka dapat dikatakan bahwa
tidak terjadi heteroskedastisitas.
c. Uji Multikolinearitas
Multikolinearitas adalah kondisi adanya hubungan linear antarvariabel independen. Karena melibatkan beberapa variabel
independen, maka multikolinearitas tidak akan terjadi pada persamaan regresi sederhana yang terdiri atas satu variabel dependen dan satu
variabel independen.
7
Uji multikolinearitas menggunakan VIF Variance Inflation Factors. Hasil uji multikolinearitas, dapat dilihat pada tabel Centered
VIF. Jika nilai VIF tidak melebihi dari 5, maka dapat dikatakan tidak terjadi multikolinearitas pada kedua variabel bebas tersebut.
8
d. Uji Autokorelasi
Autokorelasi autocorrelation adalah hubungan antara residual satu observasi dengan residual observasi lainnya.
Autokorelasi lebih mudah timbul pada data yang bersifat runtut waktu,
7
Ibid., h. 5.1.
8
Muhammad Iqbal, Pengolahan Data dengan Regresi Linier Berganda dengan Eviews, h.15.
