63 distribusikan secara normal maka diharapkan nilai statistik J-B
akan sama dengan nol. Jika nilai probabilitas dari statistik J-B besar atau dengan kata lain jika nilai statistik dari J-B ini tidak
signifikasi maka kita menerima hipotesis bahwa residual mempunyai distribusi normal karena nilai statistik J-B mendekati
nol. Sebaliknya jika nilai probabilitas dari statistik J-B kecil atau signifikan maka kita menolak hipotesis bahwa residual mempunyai
distribusi normal karena nilai statistik J-B tidak sama dengan nol.
b. Uji Multikolinieritas
Uji multikolinieritas berguna untuk menguji apakah dalam model regesi ditemukan adanya korelasi antara satu variabel bebas
dengan variabel yang lain. Pengujian ini dilakukan dengan cara melihat gejala-gejala yang bisa dipakai untuk melihat adanya
multikolinieritas yaitu dengan melihat koefisien korelasinya. Multikolinieritas terjadi apabila nilai korelasi antar variabel
independen di dalam koefisien persamaan regresi yang dapat dilihat dari matriks korelasi lebih dari 0.8.
c Uji heterokedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dari
model regresi tidak terjadi ketidaksamaan varians dari residual suatu pengamatan yang lain. Model regresi yang baik adalah
regresi yang homokedastisitas, dimana nilai variabel independen
64 tertentu masing-masing kesalahan mempunyai varians yang sama.
Jika nilai model yang diperoleh ternyata tidak memenuhi asumsi tersebut maka dalam model tersebut terjadi heterokedastisitas.
Pada penelitian ini pengujian dilakukan dengan menggunakan uji white park, mengemukakan metode bahwa varians merupakan
fungsi dari variabel-variabel bebas. Suatu model dikatakan terdapat gejala heterokedastisitas. Jika nilai R square hitung lebih besar
dibandingkan dengan nilai chi square kritis. Sebaliknya jika nilai R square hitung lebih kecil dari nilai kritis chi square maka dapat
disimpulkan tidak ada masalah heterokedastisitas d. Uji autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan penggangu pada
periode t atau sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena muncul
karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain, masalah ini timbul karena ada masalah residual atau
kesalahan pengganggu tidak bebas dari suatu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtun waktu
atau time series karena gangguan-gangguan pada seorang individual atau kelompok cenderung mempengaruhi gangguan
individual atau kelompok yang sama pada periode berikutnya.
