61
14. Pegagan Hilir 45342
71066,54 98456
15. Tanah Pinem 58645
153795 124770,54
4.4 Uji Asumsi Klasik
Menurut Gujarati 2003 suatu model dikatakan baik untuk alat prediksi apabila mempunyai sifat-sifat best linear unbiased estimator BLUE. Di samping itu
suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi ekonometrika yang melandasinya. Suatu
model regresi berganda yang digunakan untuk menguji hipotesa harus memenuhi asumsi klasik. Uji asumsi klasik dilakukan juga untuk mendapatkan model regresi
yang tidak bias dan efisien. Estimasi dari parameter-parameter dengan metode ordinary least square
OLS akan memiliki sifat ketidakbiasan unbiasedness, varians yang minimum minimum varians, dan sebagainya, yang disebut best linear unbiased estimator
BLUE Gujarati, 2003:107, Supranto, 2005:70. Dalam penggunaan regresi linear berganda, terdapat empat uji asumsi klasik, yakni uji normalitas residual, uji
multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas Supranto, 2005:151.
4.4.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t
dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau
Universitas Sumatera Utara
62
asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2011:160, Gujarati, 2003:339, Field, 2009:221, Supranto, 2005:90. Dalam
penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Jarque-Bera J-B. Dalam penelitian ini, tingkat signifikansi yang digunakan
� = 0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik J-B, dengan
ketentuan sebagai berikut.
Jika nilai probabilitas � ≥ 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi.
Gambar 4.1 Uji Normalitas dengan Uji Jarque-Bera
Sumber : hasil olahan software Eviews 7
Perhatikan bahwa berdasarkan Gambar 4.1, diketahui nilai probabilitas dari statistik J-B adalah 0,367. Karena nilai probabilitas
� , yakni 0,367, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas
dipenuhi.
Universitas Sumatera Utara
63
4.4.2 Uji Multikolinearitas
Pengujian ini dilakukan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi antar variabel bebas Ghozali, 2011:105. Ketika
terdapat korelasi antar variabel bebas yang cukup tinggi, maka permasalahan ini disebut dengan istilah multikolinearitas Stevens, 2009:74. Jika terjadi
multikolinearitas yang sempurna perfect multicolinearity, maka koefisien-koefisien regresi dari variabel bebas tidak dapat ditentukan indeterminate, jika terjadi
multikolinearitas yang tinggi, koefisien-koefisien regresi dari variabel bebas dapat ditentukan, namun memiliki nilai standar error yang tinggi yang berarti bahwa
koefisien-koefisien regresi tersebut tidak dapat diestimasi dengan tepat atau akurat Gujarati, 2003:344. Field 2009:221 juga menyatakan bahwa seharusnya tidak
terjadi hubungan linear yang sempurna perfect linear relationship dari dua atau lebih variabel bebas. Jadi, variabel-variabel bebas seharusnya tidak berkorelasi terlalu
tinggi not correlate too highly. Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi
antar variabel yang terdapat dalam matriks korelasi. Hasil uji gejala multikolinearitas disajikan pada Gambar 4.2.
Universitas Sumatera Utara
64
Gambar 4.2 Uji Multikolinearitas dengan Matriks Korelasi
Sumber : hasil olahan software Eviews 7
Berdasarkan Gambar 4.2, dapat dilihat bahwa korelasi antara pajak dan retribusi sebesar -0,0156. Dari hasil pengujian pada Gambar 4.2 dapat disimpulkan bahwa
tidak terdapat gejala multikolinearitas antar variabel independen. Gejala multikolinearitas terjadi apabila nilai korelasi antar variabel independen lebih besar
dari 0,90.
4.4.3 Uji Non-Autokorelasi atau Independensi Residual Independent Errors