54 Nilai statistik LM dihitung berdasarkan formula sebagai berikut :
Dimana: n : Jumlah individu
F : Jumlah periode waktu dan adalah residual metode OLS. Uji LM didasarkan pada distribusi chi-squares dengan degree of
freedom sebesar jumlah variabel independen. Jika nilai LM statistik dari nilai kritis statistic chi-squares maka menolak hipotesis nol dan
model yang terbaik adalah model random effect. Sebaliknya jika nilai LM statistik nilai statistic chi-squares maka menerima hipotesis nol
dan model yang terbaik adalah OLS common effect. Widarjono, 2013:363.
3. Uji Asumsi Klasik
a. Uji Normalitas
Uji Normalitas bertujuan menguji apakah dalam model regresi dependen variabel, independen variabel ataupun keduanya mempunyai
distribusi yang normal atau tidak. Salah satu cara untuk melihat data yang telah memenuhi uji Normalitas adalah dengan menggunakan
normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Tujuan dari uji normalitas ini adalah untuk menguji apakah model regresi mempunyai distribusi normal atau tidak. Model regresi yang baik
adalah bila distribusi errornya normal atau mendekati normal. Terdapat
55 dua cara untuk mendeteksi apakah residual berdistribusi normal atau
tidak yaitu dengan analisis grafik dan uji statistik Ghozali, 2013:160. 1 Analisis Grafik
Metode yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi
kumulatif dari distribusi normal. Deteksi normalitas dapat dilakukan dengan:
a Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
b Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi
asumsi normalitas. 2 Analisis Statistik
Selain itu penelitian uji normalitas dapat juga menggunakan uji Kolmogorov Smirnov dengan bantuan program SPSS. Dalam
penelitian ini, uji yang dilakukan untuk menentukan normalitas dengan menggunakan statistik Kolmogorov
–Smirnov. Pada uji Kolmogorov - Smirnov suatu data dikatakan normal jika nilai Asym.
Sig 0,05 Ghozali, 2013:163.
b. Uji Multikolineritas
Multikolinieritas berarti terjadi korelasi linier yang mendekatai sempurna antar dua variabel bebas. Uji multikolinieritas bertujuan untuk
menguji apakah dalam model regresi yang terbentuk ada kolerasi yang tinggi atau sempurna di antara variabel bebas atau tidak. Jika dalam
model regresi yang terbentuk terdapat korelasi yang tinggi atau sempurna
56 di antara variabel bebas maka model regresi tersebut dinyatakan
mengandung gejala multikolinier. Suliyanto, 2011:81 Menurut Widarjono 2013:101 Adanya multikolinieritas masih
menghasilkan estimator yang BLUE, tetapi menyebabkan suatu model mempunyai varian yang besar. Dampak adanya multikolinieritas di
dalam model regresi jika kita menggunakan teknik estimasi dengan model kuadrat terkecil OLS tetapi masih mempertahankan asumsi lain
adalah sebagai berikut: 1 Estimator masih bersifat BLUE dengan adanya multikolinieritas
namun estimator mempunyai varian dank ovarian yang besar sehingga sulit mendapatkan estimasi yang tepat.
2 Akibat no.1, maka interval estimasi akan cenderung lebih besar dan nilai hitung statistik uji t akan kecil sehingga membuat variabel
independen secara statistic tidak signifikan mempengarui variabel independen.
3 Walaupun secara individu variabel independen tidak berpengaruh terhadap variabel dependen melalui uji statistik t, namun nilai
koefisien determinasi R
2
masih bisa relative tinggi. Untuk mendeteksi masalah multikkolinieritas dengan menguji
koefisien korelasi r antar variabel independen. Sebbagai aturan kasar rule of thumb, jika koefisien korelasi cukup tinggi di atas 0,85 sehingga
disimpulkan mengandung unsur multikolinieritas dalam model. Sebaliknya jika koefisien korelasi rendah dibawah 0,85 sehingga
disimpulkan tidak mengandung unsure multikolinieritas.
57
c. Uji Heteroskedastisitas
