Ho diterima
Ho ditolak
3.104 419.96 Gambar 4.9 Uji F-Statistik
4.4.7 Uji Penyimpangan Asumsi Klasik ke Dua a. Multikolinearity
Untuk melihat bahwa adanya multikolinieritas diantara variabel independen dapat terlihat dari setiap koefisien masing-masing variabel sesuai
dengan hipotesa yang telah ditentukan. Dari model analisa :
Y = µ
β β
β α
+ +
+ +
3 3
2 2
1 1
X X
X …………………………..1
Hasilnya:
Y = -751957.0 + 0.109275 X
1
– 0.106276 X
2
+ 102960.3 X
3
R² = 0.929197
F-stat = 419.9601 Maka dapat dilakukan pengujian dantara masing – masing variabel
independen, hal ini dilakukan untuk melihat apakah ada hubungan anatara masing-masing variabel independen.
1. Pendapatan X
1
=fX
2
,X
3
µ β
β α
β +
+ +
=
3 3
2 2
1 1
X X
X ……………………………..2
Universitas Sumatera Utara
Maka didapat R
2
= 0.861430, artinya variabel modal kerja X
2
, dan usia X
3
mampu memberikan penjelasan sebesar 0.86 persen terhadap variabel pendapatan X
1
. Dari hasil R
2
persamaan 2 ini dapat disimpulkan tidak ada multikolinieritas diantara variabel independen, karena R
2
persamaan 2 lebih kecil dari model analisis persamaan 1.
2. Modal Kerja X
2
=fX
1
,X
3
µ β
β α
β +
+ +
=
3 3
1 1
2 2
X X
X ……………………………..3
Maka didapat R
2
= 0.795025, artinya variabel Pendapatan X
1
, dan usia X
3
, mampu memberikan penjelasan sebesar 0.79 persen terhadap variabel Modal kerja X
2
. Dari hasil R
2
persamaan 3 ini dapat disimpulkan tidak ada multikolinieritas diantara variabel independen, karena R
2
persamaan 3 lebih kecil dari model analisis persamaan 1.
3. Usia X
3
=fX
1
,X
2
,X
4
µ β
β α
β +
+ +
=
2 2
1 1
3 3
X X
X …………………………….4
Maka didapat R
2
= 0.910405, artinya variabel Pendapatan X
1
, dan Modal Kerja X
2
, mampu memberikan penjelasan sebesar 0.91 persen terhadap variabel Usia X
3
. Dari hasil R
2
persamaan 4 ini dapat disimpulkan tidak ada multikolinieritas diantara variabel independen, karena R
2
persamaan 4 lebih kecil dari model analisis persamaan 1.
Universitas Sumatera Utara
4.4.8 Uji Normalitas
Uji ini dilakukan untuk memastikan µ error term tersebar normal. Jika µ tersebut normal maka koefisien OLS β OLS juga tersebar normal. Dengan
demikian Y juga normal, hal ini disebabkan adanya hubungan linier antara µ, β, dan Y. Untuk menguji sebaran µ dapat digunakan uji JB Jarque Berra. Eerror
term µ disebut normal jika nilai JB lebih rendah atau sama dengan nilai kritis tabel chi square derajat bebas, alpha.
Untuk melihat apakah data berdistribusi normal atau tidak dengan menggunakan Jarque Berra ini kita harus melihat angka Probability. Apabila
angka probability 0,05 maka data tersebut berdistribusi normal, sebaliknya apabila angka probability 0,05 maka data tersebut tidak berdistribusi normal.
Dari hasil di atas kita melihat probabilitynya 0,061561 0,05. Dengan kata lain data dalam penelitian ini telah berdistribusi normal.
4.4.9 Uji Linieritas