Nilai ADF statistik nilai kritis maka data stasioner, Ho ditolak Nilai ADF statistik nilai kritis maka data tidak stasioner, Ho diterima
2. Uji Normalitas
Salah satu asumsi dalam analisis statiska adalah data berdistribusi normal. Distribusi normal merupakan distribusi kontinu yang sangat
penting dalam statistik dan banyak dipakai dalam memcahkan persoalan. Distribusi normal disebut juga disebut Gauss.
5
Eviews menggunakan dua cara untuk mengetahui apakah data berdistribusi normal atau tidak, yakni dengan histogram dan uji Jarque-
Bera. Uji normalitas dapat dilakukan pada beberapa variabel sekaligus tanpa histogram atau satu per satu bisa dengan histogram. Langkah-
langkah pengujian normalitas data sebagai berikut: hipotesis:
Ho : data tidak berdistribusi normal
Ha : data berdistribusi normal
Bila probabilitas 0,05 = signifikan Ho ditolak
Bila probabilitas 0,05 = tidak signifikan Ho diterima
3. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mengetahui apakah model estimasi telah memenuhi kriteria ekonometrika, dalam arti tidak terjadi
5
Boediono dan Wayan Koster, Teori dan Aplikasi Statistika dan Probabilitas Bandung: PT Remaja Rosdakarya, 2008, h. 342
penyimpangan yang cukup serius dari asumsi-asumsi yang harus dipenuhi adalam metode Ordinary Least Square OLS. Dalam regresi linier
berganda akan dijumpai berbagai permasalahan, seperti multikolinieritas, heteroskedastisitas, dan autokorelasi.
6
Uji asumsi klasik juga dilakukan untuk melihat apakah terdapat permasalahan tersebut dalam model regresi
linier ganda, sehingga model tersebut memenuhi kriteria BLUE Best Linier Unbiased Estimator.
a. Uji Multikolinieritas
Istilah kolinieritas ganda multicollinearity diciptakan oleh Ragner Frish dalam bukunya: Statistical confluence analysis by means of Complete
Regression Systems. Istilah itu berarti adanya hubungan linier yang sempurna atau eksak perfect or exact diantara variabel-variabel bebas
dalam regresi.
7
b. Uji Heteroskedastisitas
Dalam regresi linier ganda, salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model tersebut bersifat BLUE adalah varian
dari setiap kesalahan penganggu untuk variabel-variabel bebas yang diketahui merupakan suatu bilangan yang konstan.
8
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi linier ganda
6
Nachrowi D. Nachrowi dan Hardius Usman, Penggunaan Teknik Ekonometri Jakarta: PT Raja Grafindo Persada, 2008, h.118.
7
J. Supranto, Ekonometri Buku Kedua Jakarta: Ghalia Indonesia, 2004, h.13
8
Ibid, h. 46
memiliki varians yang tidak konstan. Dalam penelitian ini, uji heteroskedastisitas dilakukan dengan menggunakan uji white. Langkah-
langkah pengujian adalah sebagai berikut: Hipotesis:
Ho : tidak terdapat heteroskedastisitas
Ha : terdapat heteroskedastisitas
Nilai Probabilitas
Chi-Square 0,05
= tidak
terdapat heteroskedastisitas
Ho diterima Nilai Probabilitas Chi-Square 0,05 = terdapat heteroskedastisitas
Ho ditolak
c. Uji Autokorelasi
Uji autokorelasi dilakukan untuk mengetahui apakah terdapat hubungan antara residual satu observasi dengan residual observasi lainnya.
Salah satu asumsi dalam penggunaan model Ordinary Least Square OLS adalah tidak adanya autokorelasi.
9
Dalam penelitian ini, uji autokorelasi dilakukan dengan Uji Breusch-Godfrey. Langkah-langkah pengujian adalah sebagai berikut:
Hipotesis:
9
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistika dengan Eviews ed. Kedua Yogyakarta: STIM YKPN, 2009, h. 526