53
Data yang mempunyai distribusi yang normal berarti mempunyai sebaran yang normal pula. Dengan kondisi ini maka data tersebut dapat
dijadikan sampel yang baik dan dapat mewakili populasi. Dengan H pada
data distribusi normal, uji jarque-bera didistribusikan dengan X
2
dengan derajat bebas degree of freedom sebesar 2. Probability menunjukkan
kemungkinan nilai Jarque-Bera melebihi nilai terobservasi di bawah hipotesis nol. Winarno, 2009:5.37.
b. Uji Multikolinearitas
Uji multikolinearitas adalah uji yang digunakan untuk mengetahui adanya hubungan antara beberapa atau semua variabel yang menjelaskan
dalam model regresi. Sedangkan menurut Gujarati 2006: 62 multikolinearitas berarti adanya hubungan linier yang sempurna atau pasti
diantara beberapa atau semua variabel yang menjelaskan independen dari model regresi.
Istilah multikolinearitas pertama kali ditemukan oleh Ragnar Frisch yang berarti adanya hubungan linier yang “sempurna” atau pasti di
antara beberapa atau semua variabel bebas dari model regresi berganda. Terjadinya
multikolinearitas biasanya
merupakan akibat
dari kecenderungan variabel ekonomi yang bergerak secara bersama-sama
sepanjang waktu. Dalam penelitian ini penulis akan melihat multikolinearitas dengan
menguji koefisien korelasi r berpasangan yang tinggi di antara variabel- variabel penjelas. Sebagai aturan main yang kasar rule of thumb, jika
54
koefisien korelasi cukup tinggi katakanlah diatas 0,8 ada kemungkinan terjadinya kolinearitas yang serius dalam model. Sebaliknya jika koefisien
korelasi relatif rendah maka diduga model tidak mengandung multikolinieritas Gujarati, 2006: 62.
Uji koefisien korelasinya yang mengandung unsur kolinearitas, misalnya variabel X
1
dan X
2
. Langkah-langkah pengujian sebagai berikut : Bila r 0,8 model tidak terdapat multikolinearitas
Bila r 0,8 model terdapat multikolinearitas Jika terjadi multikolinearitas pada model maka akan menyebabkan
koefisien regresi yang tinggi namun dengan sejumlah variabel yang tidak signifikan. Sebaliknya jika tidak terdapat multikolinearitas maka koefisien
regresi yang tinggi akan diikuti oleh sejumlah variabel yang signifikan Rosadi, 2012:80.
Rumus korelasi, Purwanto, 2002:193:
=
� ∑ − ∑
∑ √{�∑
− ∑ }{�∑ − ∑
}
Keterangan: rxy
= Koefisien korelasi antara variabel X dan Y N
= Jumlah responden ∑XY = Jumlah perkalian antara X dan Y
∑↓ = Jumlah nilai X ∑Y = Jumlah nilai Y
∑X = Jumlah kuadrat dari X
55
∑Y = Jumlah kuadrat dari Y Sedangkan menurut Gujarati 2006:66 konsekuensi adanya
multikolinieritas adalah: 1. Varians besar dan kesalahan standar estimator OLS.
2. Interval keyakinan yang lebih besar. 3. Rasio t tidak signifikan.
4. Nilai R
2
yang tinggi tapi sedikit rasio t signifikan. 5. Estimator OLS dan kesalahan standarnya menjadi sangnat sensitif
terhadap perubahan kecil dalam data; yakni, cenderung tak stabil.
c. Uji Heteroskedastisitas