4.3.3 Uji asumsi klasik
Asumsi klasik yang diuji dalam penelitian ini meliputi uji normalitas dengan uji Jarque-Bera JB, uji Linieritas dengan uji Ramsey, uji multikolinieritas dengan
uji nilai R
2
dan uji heteroskedastisitas dengan uji white. Berikut perincian pengujian tersebut:
a. 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. Berikut hasil pengolahan Eviews :
2 4
6 8
10 12
14
-2 -1
1 2
Series: Residuals Sample 1 70
Observations 69
Mean 7.16e-17
Median 0.023524
Maximum 2.309967
Minimum -1.896124 Std. Dev.
0.781190 Skewness
0.129588 Kurtosis
3.964297 Jarque-Bera
2.866492 Probability
0.238533
sssss
Pada penelitian ini, untuk menguji normalitas data digunakan uji Jarque-Bera. Kriteria yang digunakan adalah jika nilai probabilitas Jarque-Bera JB test
alpha 0,05, maka data dikatakan berdistribusi normal. Berikut hasil pengujian Jarque-Bera JB test :
Gambar 4.5 Uji Jarque-Bera JB
Universitas Sumatera Utara
Tabel 4.7 Hasil Uji Jarque-Bera
Nilai Jarque Bera Probability
Kesimpulan 2,866492 0,
238533
Normal Sumber:
output Eviews Least Square Method, Normality test
Pada tabel 4.7 diketahui bahwa nilai probabilitas sebesar 0,
238533
0,05, sehingga asumsi normalitas telah terpenuhi.
b. Uji linieritas Pada regresi linier berganda, linieritas model merupakan asumsi yang harus
dipenuhi. Uji linieritas digunakan untuk menguji apakah spesifikasi linier yang ada dalam model dapat diterima atau tidak. Pada penelitian ini untuk menguji linieritas
model digunakan Ramsey test. Kriteria yang digunakan adalah jika nilai probabilitas uji F lebih besar dari alpha = 0,05, maka dikatakan linieritas model dapat diterima.
Berikut hasil uji Ramsey test :
Tabel 4.8 Hasil uji Ramsey
F hitung Probability
Kesimpulan
0. 570252 0,426720
Linear Sumber:
output Eviews Least Square Method, Ramsey test
Tabel 4.8 menunjukkan bahwa nilai probabilitas F hitung sebesar 0,427 0,05. sehingga asumsi linieritas telah terpenuhi.
Universitas Sumatera Utara
c. 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 digunakan uji Klein yaitu dengan perbandingan nilai R
2
model, dengan nilai R
2
regresi dari masing- masing variabel independen.
Tabel 4.9 Hasil Uji Multikolinieritas Variabel R
2
Kesimpulan
Pendapatan Modal usaha
Jumlah tenaga kerja Lama berusaha
Tingkat pendidikan Bantuan modal
0,637290 0,248023
0,258800 0,230573
0,248676 0,136041
Bebas multikolinearitas
Sumber: output Eviews Least Square Method
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 0,637 0,248, 0,637 0,259, 0,637 0,230, 0,637
Universitas Sumatera Utara
0,249, 0,637 0,136. Dapat dikatakan bahwa data penelitian bebas dari masalah multikolinieritas, dimana tidak ada variabel independen yang saling mempengaruhi.
d. Heteroskedastisitas Uji heteroskedastisitas dilakukan menggunakan uji White. Uji tersebut
meregresikan nilai residual kuadrat dari model regresi terhadap variabel-variabel independennya. Kriteria yang digunakan adalah jika nilai probabilitas ObsChi
Square yang dihasilkan lebih besar dari 5 maka dapat dikatakan tidak adanya heterokedastisitas dalam model regresi ini. Pada tabel 4.10 berikut tersaji Hasil Uji
White.
Tabel 4.10 Hasil Uji White
Nilai ObsR Square Probability
Kesimpulan
16.99736 0,074422
Bebas Heteroskedastis Sumber: output Eviews White heterocedasticity Test
Pada tabel 4.10 di atas, nilai ObsR Square memiliki nilai probabilitas sebesar 0,074
alpha = 0,05, sehingga dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil analisis data dan pembahasan yang telah dikemukakan pada bab sebelumnya maka dapat disimpulkan sebagai berikut :
1. Model yang digunakan dalam mengestimasi determinan industri kecil di
kabupaten Dairi sangat baik, karena model terbebas dari pelanggaran asumsi klasik. Nilai R
2
= 0.637 bermakna bahwa variasi modal, tenaga kerja, lama usaha, tingkat pendidikan dan bantuan modal mampu menjelaskan variasi
pendapatan Pengusaha Industri Kecil sebesar 63,73 dan sisanya sebesar 36,27 dijelaskan oleh variabel lain yang tidak dimasukkan dalam model
estimasi. 2.
Uji serempak variabel modal, tenaga kerja, lama usaha, tingkat pendidikan dan bantuan modal mempunyai pengaruh positif dan signifikan terhadap pendapatan
Pengusaha Industri Kecil di Kabupaten Dairi. Pengaruh positif mengandung arti bahwa setiap peningkatan masing-masing variabel bebas maka akan
meningkatkan pendapatan Pengusaha Industri Kecil. 3.
Uji parsial seluruh variabel independent yang digunakan berpengaruh sangat signifikan terhadap pendapatan Pengusaha Industri Kecil, kecuali variabel
bantuan modal berpengaruh signifikan terhadap pendapatan Pengusaha Industri Kecil di Kabupaten Dairi.
Universitas Sumatera Utara
Kategori