61 dikenal dengan sebutan uji kesalahan spesifikasi regresi Regression
Specification Error Test = RESET Widarjono, 2009:170. Dalam pengujian
Ramsey RESET ini, yang perlu diperhatikan adalah nilai F hitung, dengan hipotesis :
H = Model tidak linier
H
a
= Model linier Apabila nilai F hitung lebih besar dari nilai F kritisnya pada α tertentu
berarti signifikan, maka hipotesis H diterima, artinya model kurang tepat atau
tidak linier. Sebaliknya, apabila nilai F hitung lebih kecil dari nilai F kritisnya pada α tertentu, berarti tidak signifikan dan menolak hipotesis H
yang menyatakan bahwa model tidak linier.
Selain itu, Pengambilan keputusan juga dapat dilakukan dengan melihat nilai probabilitas Obs R
2
, yaitu sebagai berikut : 1. Bila probabilitas Obs R
2
0,05 maka signifikan, dan menolak H dengan
demikian model dikatakan linier. 2. Bila probabilitas Obs R
2
0,05 maka tidak signifikan dan menerima H ,
maka model tidak linier.
2. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variable pengganggu atau residual memiliki distribusi normal. Seperti diketahui
bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi
62 normal, jika asumsi ini dilanggar maka uji statistis menjadi tidak valid
Ghozali, 2009. Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi
normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing
variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak
dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian
.
Langkah pengujian sebagai berikut: Hipotesis
H : model terdistribusi normal
H
a
: model tidak terdistribusi normal Pengambilan keputusan dilakukan dengan kriteria :
- jika probabilitas OBSR
2
0,05 siginifikan H
diterima - jika probabilitas OBSR
2
0,05 tidak signifikan H ditolak
Artinya adalah apabila probabilitas OBSR
2
lebih besar dari 0,05 maka model tersebut dikatakan normal. Apabila OBSR
2
lebih kecil dari 0,05 maka model tersebut dikatakan tidak normal Winarmo, 2009:5.37.
