3.4. Teknik Analisis dan Uji Hipotesis
3.1.3. Uji Asumsi Klasik
Persamaan regresi tersebut harus bersifat BLUE Best Linier Unbias Estimator,
artinya pengambilan keputusan Uji F dan Uji t tidak boleh bias. Dan pengujian regresi ini akan menggunakan SPSS.
Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi beberapa asumsi klasik yang tidak boleh dilanggar oleh regresi linear,
yaitu : 1. Normalitas, kurva nilai residual terstandarisasi dikatakan menyebar
dengan normal. 2. Tidak boleh autokorelasi.
3. Tidak boleh ada multikolinearitas. 4. Tidak boleh ada heteroskedastisitas
Apabila salah satu dari beberapa asumsi klasik tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Normalitas
Uji normalitas dimaksudkan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data
tersebut mengikuti sebaran normal dalam penelitian ini dengan menggunakan metode Kolmogrov Sminorv Sumarsono, 2004 :42.
Dalam pengambilan keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah Sumarsono, 2004: 43:
a. Jika nilai signifikan nilai probabilitasnya lebih kecil dari 5 maka distribusi adalah tidak normal
b. Jika nilai signifikan nilai probabilitasnya lebih besar dari 5 maka distribusi adalah normal.
2. Autokorelasi
Autokorelasi adalah korelasi antara data observasi yang diurutkan berdasarkan waktu urut Time Series atau data yang diambil pada waktu
tertentu data cross sectorial, dalam konteks regresi, model regresi Linear mengasumsikan bahwa autokorelasi seperti itu tidak terdapat dalam
disturbansi atau nilai pengganggu Gujarati. 1995: 201, jadi suatu model regresi dikatakan tidak terjadi autokorelasi jika nilai residual dari observasi
pada waktu ke-t e
t
tidak boleh ada hubungan dengan nilai residual dengan observasi sebelumnya e
t-1
. Untuk mendiagnosa adanya autokorelasi dalam suatu model regresi
dilakukan melalui pengujian terhadap nilai Uji Durbin Watson uji DW dengan ketentuan sebagai berikut :
Tabel 3.1 : Tabel Kriteria Durbin Watson Durbin Watson
Kriteria
Angka D – W di bawah - 2 Ada Autokorelasi Positif
Angka D – W di bawah – 2 sampai + 2 Tidak Ada autokorelasi
Angka D – W di atas + 2 Ada autokorelasi negatif
Santoso, 1999: 218-219
Kategori