commit to user
32 linier berganda tidak terjadi hubungan antar variabel bebas
multicolinearity
Departemen Ilmu Ekonomi, 2005. Pengujian untuk memenuhi asumsi BLUE di atas adalah uji normalitas,
multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi. Selain pengujian untuk memenuhi asumsi BLUE, juga dilakukan pengujian statistik terhadap model
penduga melalui uji F dan pengujian untuk parameter-parameter regresi melalui uji t serta melihat berapa persen variabel dependen dapat dijelaskan oleh variabel-
variabel independen melalui koefisien determinasi R
2
.
3.5.2.1. Uji Normalitas
Menurut Ghozali 2005, Untuk mendeteksi normalitas data dapat dilakukan pula melalui analisis statistik yang salah satunya dapat dilihat melalui
Kolmogorov-Smirnov test K-S. Uji K-S dilakukan dengan membuat hipotesis:
Ho = Data residual terdistribusi normal Ha = Data residual tidak terdistribusi normal
Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut: a.
Apabila probabilitas nilai Z uji K-S signifikan secara statistik, maka Ho ditolak, yang berarti data terdistibusi tidak normal.
b.Apabila probabilitas nilai Z uji K-S tidak signifikan statistik, maka Ho diterima, yang berarti data terdistibusi normal.
3.5.2.2.Uji Multikolinearitas
Uji multikolinearitas merupakan pengujian yang dilakukan untuk melihat apakah terdapat hubungan linear di antara variabel-variabel bebas dalam model
commit to user
33 regresi. Gejala multikolinearitas dalam suatu model akan menimbulkan
beberapa konsekuensi Gujarati, 1995, di antaranya: 1 meskipun penaksir OLS mungkin bisa diperoleh, tetapi kesalahan standarnya cenderung semakin
besar dengan meningkatnya korelasi antara variabel; 2
standard error
dari parameter dugaan akan sangat besar sehingga selang keyakinan untuk
parameter populasi yang relevan cenderung lebih besar; 3 jika korelasinya tinggi, kemungkinan probabilitas untuk menerima hipotesis yang salah menjadi
besar; 4 kesalahan standar akan semakin besar dan sensitif bila ada perubahan data; 5 tidak mungkinnya mengisolasi pengaruh individual dari variabel yang
menjelaskan. Salah satu cara untuk mendeteksi ada tidaknya multikolinearitas dalam
suatu model adalah melalui
correlation matrix
, di mana jika terdapat koefisien korelasi yang lebih besar dari |0.8|, maka terdapat gejala multikolinearitas.
Selain melalui
correlation matrix
, dapat juga melalui nilai tolerance mendekati 1 dan
Va riance Inflation Factor
VIF, yaitu jika nilai VIF kurang dari 10 maka tidak terdapat multikolinieritas Ghozali, 2005.
3.5.2.3. Uji Heteroskedastisitas
