Multikolinieritas Uji Normalitas Uji Asumsi Klasik

39 signifikansi 1, 5 dan 10 maka H1 diterima, dengan demikian metode yang digunakan adalah metode fixed effect.

3.6 Uji Asumsi Klasik

Hasil suatu estimasi regresi linier dikatakan baik dan efesien apabila memenuhi beberapa asumsi klasik , seperti yang dikemukakan oleh Gujarati 2003 dalam buku Pratomo dan Hidayat 2007:89 terdapat beberapa asumsi klasik yang harus dipenuhi yaitu: 1. Model regresi adalah linier, yaitu linier didalam parameter. 2. Residual variabel pengganggu µ � mempunyai nilai rata —rata nol zero mean value of disturbance µ � . 3. Homoskedastisitasatau varian dari µ � adalah konstan. 4. Tidak ada autokorelasi antara variabel pengganggu µ � . 5. Kovarian antara µ � dan variabel independen Xi adalah nol. 6. Jumlah data observasi harus lebih banyak dibandingkan dengan jumlah parameter yang akan diestimasi. 7. Tidak ada multikolinieritas. 8. Variabel pengganggu harus berdistribusi normal atau stokastik.

3.6.1 Multikolinieritas

Sebuah model regresi dikatakan terkena multikolinieritas apabila terjadi hubungan linier yang sempurna di antara beberapa atau semua variabel bebas dari suatu model regresi sehingga variabel-variabel bebas tersebut tidak bersifat ortogonal. Variabel-variabel bebas yang bersifat orthogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Multikolinieritas dapat mengakibatkan nilai-nilai koefisien regresi menjadi tidak dapat ditaksir, kemudian nilai standar error setiap koefsien menjadi tak terhingga sehingga tingkat signifikansi variabel bebasnya buruk, selain itu juga dapat menyebabkan tanda koefisien regresi mengandung tanda yang berlawanan dengan teori. Universitas Sumatera Utara 40 Untuk mendeteksi estimasi regresi yang memiliki multikolinieritas dapat dilihat dari nilai R 2 yang tinggi namun standar error dan tingkat signifikansi masing-masing variabel rendah dan dapat juga dilihat dari nilai koefisien variabel apakah sesuai dengan hipotesis atau tidak Pratomo dan Hidayat, 2007.

3.6.2 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah data dalam model regresi, variabel residual memiliki distribusi normal atau tidak sehingga data tersbut dapat digunakan dalam statistik parametrik. Untuk menguji apakah normal atau tidaknya faktor peganggu, menurut Pratomo dan Hidayat 2007 dapat dilakukan uji normalitas dengan menggunakan Jarque-Bera Test J-B test. Uji Jarquera -Bera menggunakan hasil estimasi residual dan chi square probability distribution . Bandingkan nilai J-B hitung dengan χ 2 tabel. Apabila nilai JB hitung χ 2 tabel, maka hipotesis yang menyatakan bahwa residual µ t berdistribusi normal dapat ditolak, sedangkan apabila nilai JB hitung χ 2 tabel, maka hipotesis yang menyatakan bahwa residual µ t berdistribusi normal tidak dapat ditolak. Cara lain untuk melihat apakah data telah berdistribusi normal dengan menggunakan JB test melalui angka probability-nya. Apabila angka probability signifikan pada tingkat signifikansi 1, 5 dan 10 maka dapat disimpulkan bahwa data berdistribusi normal, dan sebaliknya apabila angka probability-ynya tidak signifikan pada tingkat signifikansi 1, 5 dan 10 maka dapat ditarik kesimpulan bahwa data tidak berdistribusi normal. Universitas Sumatera Utara 41

3.6.3 Heteroskedastisitas