GROWTH = 0.1588 0,05, maka Ho diterima sehingga model ini dapat dikatakan tidak
signifikan
LnUMP = 0.9025 0,05 maka Ho diterima sehingga model ini dapat dikatakan tidak signifikan
LnI = 0.4636 0,05 maka Ho diterima sehingga model ini dapat dikatakan tidak
signifikan.
4.2.2 Uji Asumsi Klasik
Uji asumsi klasik dilakukan karena dalam model regresi perlu memperhatikan adanya penyimpangan-penyimpangan atas asumsi klasik, karena pada umumnya jika asumsi klasik tidak
dipenuhi maka variabel-variabel yang ada akan menjadi tidak efisien. Pengujian asumsi klasik dalam penelitian ini meliputi uji multikolinieritas, hereroskedastisitas, autokorelasi, dan apakah
data dalam penelitian sudah berdistribusi secara normal atau belum, karena apabila terjadi penyimpangan terhadap asumsi klasik maka uji t dan uji F yang dilakukan sebelumnya tidak
valid dan secara statistk dapat mengacaukan kesimpulan yang diperoleh.
4.2.2.1 Hasil Uji Multikolinieritas
Multikolinearitas berarti adanya hubungan linear yang sempurna atau pasti antara beberapa atau semua variabel yang menjelaskan model regresi. jika koefisien kolerasi antara masing-
masing variabel bebas lebih besar dari 0,8, berarti terjadi multikolinearitas dalam model regresi. Tabel 4.7 Hasil Uji Multikolinieritas
Correlation
Universitas Sumatera Utara
GROWTH I
UMP GROWTH
1 -0.437897
-0.279484
I -0.437897
1 -0.004361
UMP -0.279484
-0.004361 1
Sumber: hasil perhitungan regresi Lampiran Dari output di atas dapat kita lihat bahwa tidak terdapat variabel yang memiliki nilai lebih
dari 0,8, sehingga dapat disimpulkan tidak terjadi multikolinearitas dalam model regresi.
4.2.2.2 Hasil Uji Heteroskedastisitas
Pengujian heteroskedastisitas dapat digunakan untuk melihat apakah model regresi memiliki gangguan yang variannya sama homoskedastisitas. Pengujian asumsi ini dilakukan dengan
menggunakan uji White Heteroskedasticity cross term.
Apabila hasil nilai probabilitas obsR-squared dari taraf nyata yang digunakan α=5 maka dapat disimpulkan bahwa model persamaan mempunyai variabel penganggu yang
variannya sama.
Jika nilai probabilitas obsS-squared dari taraf nyata yang digunaka maka model persamaan mempunyai variabel pengganggu yang variannya beda heteroskedastisitas. Uji
heteroskedastisitas pada model kesempatan kerja provinsi Sumatera Utara ditunjukkan pada tabel.
Tabel 4.8 Hasil Regresi Uji White Hteroskedasticity Cross Term
White Heteroskedasticity Test: F-statistic
1.436675 Probability 0.476489
ObsR-squared 10.39251 Probability
0.319654 Sumber: hasil perhitungan regresi Lampiran
Universitas Sumatera Utara
Ho : tidak ada heteroskedastisitas H1 : ada heteroskedastisitas
Jika probabilitas obs-square ɑ, maka Ho ditolak
Jika probabilitas obs-square ɑ, maka Ho diterima
Dapat diketahui bahwa probabilitas obs-square = 0.319654 0,05, maka Ho diterima. Berdasarkan hasil diatas dapat diketahui bahwa hasil regresi uji White Heteroskedastisitas
cross term menunjukkan kesempatan kerja memiliki nilai probabilitas obs-square sebesar 0.319654 dan lebih besar dari taraf nyata yang digunakan α = 5 sehingga dapat disimpulkan
bahwa model regresi terbebas dari masalah heteroskedastisitas.
4.2.2.3 Hasil Uji Normalitas