commit to user
c. Uji Asumsi Klasik
1 Uji Normalitas
Gambar 4.8 Uji Normalitas
Sumber: Eviews 5.1 Lampiran 1 data diolah
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi
normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk menguji apakah distribusi
data normal atau tidak maka dapat dilakukan uji Jarque Bera yaitu dengan melihat nilai signifikansinya. Nilai Jarque Bera sebesar
2,661982. Nilai X
2
dengan derajat kebebasan 3 sebesar 7,815, dengan demikian nilai JB tes X
2
tabel yang artinya bahwa model yang digunakan dalam estimasi ini datanya mempunyai distribusi normal.
2 4
6 8
10 12
14
-100000 100000
Series: Residuals Sample 1 99
Observations 99
Mean -2.85e-11
Median -6891.424
Maximum 136898.6
Minimum -164431.4 Std. Dev.
54114.49 Skewness
0.090881 Kurtosis
3.782490 Jarque-Bera
2.661982 Probability
0.264215
commit to user
2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebasnya independen
ataukah tidak. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel bebas Ghozali, 2005. Deteksi ada tidaknya
multikolinearitas yaitu dengan korelasi parsial diantara masing-masing variabel independen seperti table berikut ini:
Tabel 4.6 Pengujian Multikolinieritas dengan Korelasi Parsial
Variabel Dependen
R
2
Tanda R
2 Awal
Kesimpulan 1 2
3 4
5 Luas
Tanah 0,063694
0,515913 Tidak Ada
Multikolinieritas Jarak ke
CBD 0,170217
0,515913 Tidak Ada
Multikolinieritas Jarak ke
Jalan Umum
0,200668 0,515913
Tidak Ada Multikolinieritas
Sumber: Eviews 5.1 Lampiran 1 data diolah
Hasil dari analisis korelasi parsial pada pada tabel tersebut di atas diperoleh angka koefisien koefisien determinasi yang baik. Nilai
koefisien estimasi regresi linier pertama, dengan variable terikatnya nilai tanah lebih besar dibandingkan nilai koefisien determinasi masing
commit to user
masing korelasi secara parsial antar variable independen. Oleh karena hasil estimasi yang dipakai mengindikasikan bahwa variabel penjelas
tidak terdapat gejala multikolinieritas, maka model dalam penelitian ini bebas dari gejala multikolinieritas.
3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variansi dari residual satu pengamatan-
kepengamatan yang lain. Artinya bahwa residu data antara satu dengan yang lainya variansinya seragam ataukah tidak. Jika variansi dari
residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang homoskedastisitas. Deteksi adanya heteroskedastisitas dapat dilakukan dengan uji White Heteroskedasticity
Test no cross term seperti table berikut ini : Tabel 4.7
Uji Heteroskedastisitas dengan White Heteroskedasticity Test no cross term
White Heteroskedasticity Test: F-statistic
2.521584 Prob. F6,92 0.026404
ObsR-squared 13.98141 Prob. Chi-Square6
0.029845
Sumber: Eviews 5.1 Lampiran 1 data diolah
commit to user
Model regresi dikatakan terbebas dari heteroskedastisitas apabila nilai observasi x R
2
lebih kecil dari nilai X
2
tabel. Tingkat α = 5 dengan
derajat kebebasan sebesar 6 maka diperoleh nilai X
2
tabel 12,592 yang kemudian dibandingkan antara nilai X
2
tabel dengan derajat kebebasan 6 maka X
2
tabel bernilai 12,592. Karena hasil uji senilai 13,98141 12,592 maka disimpulkan bahwa model estimasi dalam penelitian ini
terdapat gejala heterokedastisitas. Pengujian menggunakan metode White Heteroskedasticity Test cross
term seperti table berikut ini: Tabel 4.8
Uji Heteroskedastisitas White Heteroskedasticity Test cross term
White Heteroskedasticity Test:
F-statistic 1.757683 Prob. F9,89
0.087705 ObsR-squared
14.94093 Prob. Chi-Square9 0.092571 Sumber: Eviews 5.1 Lampiran 1 data diolah
Dari hasil estimasi pada table 4.7 diperoleh nilai X
2
tabel dengan derajat kebebasan 9 tingkat
α = 5 yaitu sebesar 16,919. Hasil uji White Heteroskedasticity Test dengan metode cross term diperoleh nilai
observasi x R
2
senilai 14,94093. Karena hasil uji senilai 14,94093
commit to user
16,919 maka disimpulkan bahwa model estimasi dalam penelitian ini tidak terdapat gejala heterokedastisitas.
4 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan penganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Untuk menguji ada tidaknya
problem autokorelasi ini maka dapat melakukan uji Lagrange Multiplier Test LM Test seperti tabel pada berikut dibawah ini.
Tabel 4.9 Pengujian Autokorelasi dengan LM Test
Breusch-Godfrey Serial Correlation LM Test:
F- statistic 2.243686
Prob. F2,93 0.111778
ObsR- squared 4.556999
Prob. Ch Square2 0.102438
Sumber: Eviews 5.1 Lampiran 1 data diolah
Dari hasil pengujian LM test diketahui nilai observasi x R
2
sebesar 4.556999. Nilai X
2
tabel dengan derajat kebebasan sebesar 3 dan tingkat α = 5 maka diperoleh nilai 7,815. Karena hasil uji LM test senilai
commit to user
4,556999 7,815 maka disimpulkan bahwa model estimasi dalam penelitian ini tidak terdapat gejala autokorelasi.
5 Uji Liniertitas
Dalam pengujian linieritas ini menggunakan uji Ramsey RESET Test seperti tabel berikut dibawah ini:
Tabel 4.10 Ramsey RESET Test
Ramsey RESET Test:
F-statistic 4.787204
Prob. F1,94 0.031151
Log likelihood ratio 4.917657 Prob. Chi-quare1 0.026584
Sumber: Eviews 5.1 Lampiran 1 data diolah Hasil uji ini kemudian dibandingkan dengan F-tabel. Jumlah retriksi
penelitan ini sebesar 5, jumlah sampel 99, dan variabel bebasnya 3. Berdasarkan tabel bahwa nilai F-tabel sebesar 2,30 F-hitung yang
nilainya sebesar 4,787. Dari perbandingan itu dapat disimpulkan bahwa penggunaan model penelitian ini tidak linier.
4. Pembahasan Penelitian
Kategori