Micro Software . Software ini digunakan dalam mengolah persamaan model
regresi.
3.5. Evaluasi Model
Untuk mengetahui apakah model yang diteliti tidak mengalami penyimpangan asumsi regresi linier berganda, maka uji terhadap penyimpangan
asumsi klasik tersebut harus dilakukan.
3.5.1. Uji Kenormalan
Uji asumsi ini bertujuan untuk mengetahui apakah distribusi dari residual menyebar normal dengan rata-rata nol dan varian
. Salah satu metode yang banyak digunakan untuk menguji normalitas adalah Jarque-Bera test. Uji ini
mengukur perbedaan skewness dan kurtosis data dan dibandingkan dengan apabila datanya bersifat normal. Hipotesis yang digunakan adalah :
H : Error berdistribusi normal.
H
1
: Error tidak berdistribusi normal. Uji statistik ini dapat dihitung dengan rumus berikut :
[ ]
dimana: n
= jumlah sampel = varians
3.3
= skewness = kurtosis
Jarque-Bera test mempunyai distribusi chi square dengan derajat bebas
dua. Jika hasil p-value Jarque-Bera test lebih besar dari nilai chi square pada α = 5
persen, maka tolak hipotesis nol yang berarti error tidak berdistribusi normal. Jika hasil Jarque-Bera test lebih kecil dari nilai chi square pada
α = 5 persen, maka terima hipotesis nol yang berarti error berdistribusi normal.
3.5.2. Uji Autokorelasi
Autokorelasi menggambarkan terdapatnya hubungan antar error. Adanya autokorelasi ini menyebabkan parameter yang akan diestimasi menjadi tidak efisien.
Untuk menguji ada tidaknya autokorelasi menggunakan Breusch-Godfrey Serial Correlation LM Test
. Hipotesis uji ini adalah : H
: Tidak ada masalah otokorelasi. H
1
: Ada masalah otokorelasi. Jika nilai Obs R-squared nilai kritis maka H
ditolak yang berarti terdapat autokorelasi atau p-value
α maka H ditolak yang berarti terdapat autokorelasi.
3.5.3. Uji Heteroskedastisitas
Ada beberapa metode yang dapat digunakan untuk mendeteksi ada tidaknya masalah heteroskedastisitas antara lain uji Breusch-Pagan-Godfrey test
dan White test. White test merupakan generalisasi dari Breusch-Pagan-Godfrey test yang juga memasukkan nilai residual yang dikuadratkan, tetapi mengeluarkan
unsur-unsur yang memiliki order yang lebih tinggi. Konsekuensinya White test digunakan untuk mendeteksi bentuk-bentuk yang lebih umum dari
heteroksedastisitas dibandingkan dengan Breusch-Pagan test. Hal ini menyebabkan para peneliti lebih banyak menggunakan Breusch-Pagan-Godfrey test untuk
mendeteksi ada tidaknya masalah heteroskedatisitas. Breusch-Pagan test
merupakan lagrange multiplier test untuk heteroskedastisitas. Metode ini merupakan perhitungan yang sederhana
menggunakan R square R
2
dari beberapa persamaan yang diregresikan. Rumus Breusch-Pagan-Godfrey test dinyatakan sebagai berikut:
dimana: h = unsur yang tidak diketahui, yaitu fungsi yang diturunkan secara kontinu
tidak tergantung pada i sehingga h. 0 dan h0 = 1. s = varian
z = variabel yang mempengaruhi distrubance terms variance. Hipotesisnya adalah:
H : Tidak terdapat heteroskedastistas.
H
1
: Terdapat heteroskedastisitas. 3.4
Rumus paling sederhana dari Breusch-Pagan-Godfrey test dapat dihitung sebagai hasil kali antara jumlah observasi N dan R
2
. Secara matematika dirumuskan sebagai berikut:
Breusch-Pagan test mempunyai distribusi chi square dengan derajat bebas satu.
Apabila chi square hitung lebih besar dari chi square tabel pada α = 5 persen,
maka tolak hipotesis nol yang berarti terjadi heteroskedastisitas. Apabila chi square
hitung lebih kecil dari chi square tabel pada α = 5 persen, maka terima
hipotesis nol yang berarti tidak ada heteroskedastisitas.
3.5.4. Uji Multikolinieritas
Kategori