c. Komponen sisaan menyebar normal.
4.5.3.1 Pemenuhan Asumsi Regresi Linier Berganda
Pemenuhan asumsi dalam regresi linier berganda perlu dilakukan untuk mengetahui kebaikan dari suatu model. Adapun beberapa pengujian statistik yang
perlu dilakukan ialah Firdaus, 2004: 1.
Uji Normalitas Uji normalitas dilakukan untuk menguji apakah error term dari data
observasi mendekati sebaran normal sehingga statistik t dapat dikatakan sah.Uji tersebut dapat dilakukan dengan
“normality test” pada residual hasil persamaan model. Jika dalam grafik hasil uji tersebut keberadaan titik-titik pada garis
berbentuk linier dan didapat p-value lebih besar dari taraf nyata, maka asumsi kenormalan dapat terpenuhi.
2. Uji Statistik t
Uji t digunakan untuk menguji apakah koefisien regresi yang diperoleh dari hasil perhitungan dengan Ordinary Least Square OLS berbeda secara signifikan
dengan nilai parameter tertentu atau tidak Firdaus, 2004. Prosedur pengujiannya sebagai berikut:
H : b
i
= 0 artinya variabel bebas Xi tidak berpengaruh nyata terhadap variabel tidak bebasnya Yi.
H
1
: b
i
≠ 0 artinya variabel bebas Xi berpengaruh nyata terhadap variabel tidak bebasnya Yi.
Rumus untuk mencari t hitung sebagai berikut: t
hitung
= b –
S Jika t
hitung
t
tabel
, maka terima H , artinya variabel bebas Xi tidak
berpengaruh nyata terhadap variabel tidak bebasnya Yi. Jika t
hitung
t
tabel
, maka tolak H , artinya variabel bebas Xi berpengaruh
nyata terhadap variabel tidak bebasnya Yi. 3.
Uji Statistik F Uji statistik F merupakan pengujian koefisien regresi secara keseluruhan,
pengujian ini menunjukkan apakah semua variabel yang dimasukkan kedalam model memiliki pengaruh secara bersama-sama terhadap variabel terikat.
Langkah-langkah pengujian statistik F 1 Membuat Hipotesa.
H : 1= β=0
H
1
: 1≠ β≠ γ= 4=0 2 Kriteria.
H akan diterima dan H
1
akan ditolak bila F-stat F-tabel. H
akan ditolak dan H
1
akan diterima bila F-stat F-tabel. 3 Membandingkan nilai F-statistik dengan nilai F-tabel.
4. Uji Multikolinearitas
Salah satu asumsi dari model regresi ganda adalah bahwa tidak ada hubungan linear sempurna antara peubah bebas dalam model tersebut. Jika
hubungan tersebut ada, kita katakan bahwa peubah-peubah bebas tersebut berkolinearitas ganda sempurna perfect multicolinearity. Multikolinearitas
muncul jika dua atau lebih peubah atau kombinasi peubah bebas berkorelasi tinggi antara peubah satu dengan yang lainnya. Untuk mendeteksi ada tidaknya
multikolinearitas maka dapat dilihat dari output komputer, dengan melihat Variance Inflation Factor
VIF. Jika VIF lebih besar dari 10 maka dapat dikatakan terdapat multikolinearitas dalam model.
5. Uji Heteroskedastisitas
Asumsi dari model regresi linear adalah bahwa ragam sisaan ε
i
sama atau homogen. Jika ragam sisaan tidak sama atau Var ε
i
= Eε
i 2
= σ
i 2
untuk tiap pengamatan ke-1 dari peubah-peubah bebas dalam model regresi, maka dikatakan
ada masalah heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode grafik atau dengan menggunakan uji Park, uji Gleiser,
uji Breusch-Pagan, uji Goldfield-Quadant dan white test. 6.
Uji Autokorelasi Uji ini dilakukan untuk melihat ada atau tidaknya korelasi antara
serangkaian data menurut waktu time series atau menurut ruang cross section. Nilai statistik Durbin Watson berada pada kisaran 0 hingga 4, dan jika nilainya
mendekati dua maka menunjukkan tidak adanya auto korelasi ordo kesatu. Pendeteksi autokorelasi dilakukan dengan pengujian Durbin-Watson DW.
H : tidak ada serial autokorelasi baik positif maupun negatif
Kategori