kesimpulan. Untuk itu perlu dilakukan uji penyimpangan asumsi klasik yang terdiri dari :
3.7.1. Uji Normalitas.
Asumsi model regresi linier klasik adalah bahwa faktor pengganggu µ mempuyai nilai rata-rata yang sama dengan nol, tidak berkorelasi dan mempunyai
nilai yang konstan. Dengan dasar asumsi ini OLS sebagai estimator atau penaksir akan memenuhi sifat-sifat statistik yang diinginkan seperti ketidakbiasan dan
mempunyai varians yang minimum. Untuk dapat mengetahui normal atau tidaknya faktor pengganggu µ
dilakukan dengan J.B Test Jarque – Bera test. Uji menggunakan hasil estimasi residual dan chisquare probability distribution, adalah dengan membandingkan nilai
JB
hitung
dengan nilai X
2 tabel
, dengan kriteria keputusan sebagai berikut : a.
Bila nilai JB test
hitung
nilai X
2 tabel
, maka hipotesis yang menyatakan bahwa
residual µ adalah berdistribusi normal ditolak.
b. Bila nilai JB test
hitung
nilai X
2 tabel
, maka yang menyatakan bahwa residual µ adalah berdistribusi normal diterima.
3.7.2. Uji Multikolinieritas
Interpretasi dan persamaan regresi linier secara implisit tergantung pada asumsi bahwa variabel-variabel bebas dalam persamaan tersebut tidak saling
berkorelasi. Jika dalam sebuah persamaan terdapat multikolinieritas, maka akan
menimbulkan beberapa akibat, sehingga perlu dideteksi terjadinya multikolinearitas dengan besaran-besaran regresi yang diperoleh, yakni :
d. Variabel besar berdasarkan taksiran OLS.
e. Interval kepercayaan lebar karena variasi besar maka standard error besar dengan
demikian interval kepercayaan lebar. f.
Uji T t-rasio tidak signifikan. Suatu variabel bebas yang signifikan baik secara substansi maupun secara statistik jika dibuat regresi sederhana bisa menjadi tidak
signifikan karena variasi besar akibat kolinieritas. Dan bila standar error terlalu besar maka kemungkinan taksiran koefisien regresi a1–a5 tidak signifikan.
3.7.3. Uji Autokorelasi.
Autokorelasi dapat didefenisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu. Dalam konteks model regresi linier klasik
mengasumsikan bahwa autokorelasi seperti itu tidak terdapat dalam disturbansi atau pengganggu µ yang dilambangkan dengan F µi, µj = 0; i j. Secara sederhana
dapat dikatakan model klasik mengasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur gangguan disturbance
yang berhubungan dengan pengamatan lain yang manapun. Tetapi jika ada ketergantungan antara unsur gangguan yang berhubungan dengan observasi
dipengaruhi oleh unsur disturbansi atau gangguan yang berhubungan dengan pengamatan lain, terdapat autokorelasi yang disimbolkan dengan F µi, µj 0; i j.
Dan untuk menguji autokorelasi tersebut digunakan Lagrange Multiplier Test LM-
test, dimana jika nilai LM-test nilai X
2 tabel
maka hipotesis nol Ho diterima, artinya tidak ada autokorelasi. Namun jika nilai LM-test nilai X
2 tabel
maka hipotesis nol Ho ditolak, artinya ada autokorelasi.
3.8. Batasan Operasional.
Kategori