54
Pada aplikasi EViews, pengujian normalitas dilakukan dengan Jarque Bera test. Jarque Bera test mempunyai distribusi chi square dengan derajat dua bebas. Jika
hasil Jarque Bera test lebih besar dari nilai chi square pada α=5 persen, maka tolak
hipotesis nul yang berarti tidak berdistribusi normal. Jika hasil Jarque Bera test lebih kecil dari nilai chi square
pada α=5, maka terima hipotesis nul yang berarti error term berdistribusi normal.
3.7.2.2 Uji Multikolinieritas
“Uji multikolinearitas bertujuan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam dalam suatu model regresi linear
berganda. Korelasi yang tinggi di antara variabel-variabel bebas menunjukkan hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu”
Sunjoyo, 2013:65. Pengujian multikolinieritas pada aplikasi EViews dilakukan dengan pendekatan koralasi parsial.
Beberapa alternatif cara untuk mengatasi masalah multikolinearitas menurut Erlina 2011:104 adalah sebagai berikut:
a. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi;
b. Menambah jumlah observasi atau menambah ukuran sampel;
c. Mentransformasikan data ke dalam bentuk lain. Misalnya logaritma natural, akar
kuadrat atau bentuk first difference delta; dan d.
Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan.
55
3.7.2.3 Uji Heterokedastisitas
“Uji heterokedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varian dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang
memenuhi persyaratan adalah terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas” Sunjoyo,
2013:69. Uji heterokedastisitas pada aplikasi EViews dapat dilakukan dengan beberapa metode, seperti White’s General Heterocedasticity.
Hipotesis: H
= Tidak ada heterokedastisitas H
1
= Ada heterokedastisitas Kriteria pengambilan keputusan:
Jika p-value = 5 maka H ditolak.
3.7.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan
pengganggu periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Pengujian yang bisa
digunakan untuk meneliti kemungkinan terjadinya autokorelasi adalah uji Durbin-
Watson D-W.