Berdasarkan kondisi tersebut di dalam ilmu ekonometrika, agar suatu model dikatakan lebih baik dan sahih, maka perlu dilakukan beberapa pengujian.
3.7.1 Uji Multikolinearitas
Dikenalkan oleh Ragnar Frisch 1934. Sebuah model regresi dikatakan terkena multikolinearitas apabila terjadi hubungan linier yang sempurna diantara
beberapa atau semua variabel bebas dari suatu model regresi. Multikolinearitas dapat dideteksi dengan besaran-besaran regresi yang didapat yaitu :
1. Korelasi antar variabel. Apabila nilai R yang dihasilkan dari hasil estimasi model empiris sangat
tinggi, tetapi tingkat signifikansi variabel bebas sangat rendah tidak ada atau sangat sedikit variabel bebas yang signifikan berarti terdapat multikolinearitas antar
variabel.
2
2. Menggunakan korelasi parsial. Apabila nilai R dari masing- masing variabel independen lebih kecil dari nilai
R model berarti tidak terdapat masalah multikolinieritas antar variabel.
2 2
3.7.2 Uji Autokorelasi
Model regresi linier klasik mengasumsikan bahwa faktor pengganggu yang berhubungan dengan observasi tidak dipengaruhi oleh faktor pengganggu pada
pengamatan lainnya. Apabila ada gangguan antara anggota serangkaian observasi
Universitas Sumatera Utara
pada data runtun waktu maka akan muncul autokorelasi. Masalah autokorelasi biasanya muncul pada data time series. Dalam data tersebut, observasi diurutkan
secara kronologis sehingga sangat memungkinkan terjadinya hubungan terutama bila selang waktu pengamatan sangat pendek Pratomo dan Hidayat, 2007.
Cara mendeteksi ada tidaknya autokorelasi dapat dilakukan dengan uji Langrange Multiplier LM Test. Uji LM Test bertujuan untuk menguji autokorelasi
dengan keberadaan variabel dependen yang diperlamban dengan menganalisis seberapa baik residu-residu yang diperlamban menjelaskan pada persamaan awal.
Jika residu yang diperlamban signifikan dalam menjelaskan residu- residu time series, maka Ho ditolak yang berarti tidak ada autokorelasi atau apabila nilai
probabilitasnya lebih besar dari maka hasil estimasi terbebas dari autokorelasi
Sarwoko, 2005.
3.7.3 Uji Normalitas
Asumsi dalam OLS adalah nilai rata-rata dari faktor pengganggu µ
i
adalah nol. Untuk menguji apakah normal atau tidaknya faktor pengganggu, maka perlu
dilakukan uji Normalitas dengan menggunakan Jarque–Berra Test J-B test. Kriterianya :
1. Apabila nilai
2
tabel 0,05 nilai Jarque Berra normality test statistic, maka µ berdistribusi normal.
i
2. Apabila angka probability 0,05, maka data berdistribusi normal.
Universitas Sumatera Utara
3.8 Definisi Operasional Variabel
