4.5.1 Uji Normalitas
Normalitas data merupakan salah satu asumsi yang diperlukan dalam regresi liniear ganda. Uji normalitas digunakan untuk mengetahui apakah residual dari data
berdistribusi normal atau tidak. Pada penelitian ini, untuk menguji normalitas data digunakan uji Jarque-Bera.
Kriteria yang digunakan adalah jika nilai probabilitas Jarque-Bera JB test = 1, maka data dikatakan berdistribusi normal. Berikut hasil pengujian
Jarque-Bera JB test : Berikut hasil pengolahan Eviews :
Tabel 4.8. Hasil Uji Jarque-Bera
Nilai Jarque Bera Probability
Kesimpulan 5,943781 0,051206
Normal Sumber: Lampiran 3
Pada tabel 4.8. diketahui bahwa nilai probability sebesar 0,051 alpha = 0,01
yang berarti model empiris yang digunakan mempunyai residual atau faktor pengganggu yang berdistribusi normal.
4.5.2 Multikolinieritas
Uji multikolinieritas adalah bertujuan untuk mengetahui apakah terdapat korelasi yang cukup besar antar sesama variabel bebas X. Korelasi yang terlalu
tinggi antar sesama X akan berpengaruh pada menurunnya korelasi secara simultan terhadap variabel Y. Untuk mendeteksi terjadinya multikolinieritas. Berikut ini hasil
uji multikolinearitas seperti pada tabel 4.9. dibawah ini :
Doody S. Tumanggor : Analisis Faktor-Faktor Yang Mempengaruhi Produksi Cokelat Di Kabupaten Dairi, 2009
Tabel 4.9. Hasil Uji Multikolinieritas Variabel R
2
Kesimpulan
Produksi Luas lahan
Jam kerja Pupuk
Pestisida Umur cokelat
0,828 0,802
0,711 0,778
0,703 0,303
Bebas multikolinearitas
Sumber: Lampiran 5-9
Kriteria yang digunakan adalah jika nilai R
2
variabel-variabel independen lebih kecil dari nilai R
2
model, maka data bebas dari masalah multikolinieritas. Dari tabel 4.9, ketika variabel-variabel independen diregresikan maka nilai R
2
lebih kecil dari nilai R
2
model yaitu 0,828 0,802 ; 0,828 0,711 ; 0,828 0,778 ; 0,828 0,703 ; 0,828 0,303. Berdasarkan ketentuan rules of thumbs dari metode ini
dapat disimpulkan bahwa dalam model tersebut tidak ditemukan adanya multikolinearitas.
4.5.3 Heteroskedastisitas