G. Pengujian Asumsi Model Regresi Linier Normal Klasik
Dalam penelitian ini digunakan metode OLS Ordinary Least Square, maka perlu dilakukan uji terhadap model regresi yang digunakan apakah model regresi berdistribusi
normal dan apakah terjadi penyimpangan terhadap asumsi model klasik. Model Regresi akan menghasilkan estimator tidak bias yang baik BLUE jika memenuhi asumsi klasik,
yaitu bebas multikolinieritas, bebas autokorelasi, dan bebas heteroskedastisitas. Jika asumsi klasik tidak dipenuhi maka variabel-variabel yang menjelaskan menjadi tidak
efisien Gujarati, 2000.
1. Uji Normalitas Data
Santoso 2001 mengatakan bahwa sebelum pengujian multivariate dilakukan maka pengujian asumsi normalitas data perlu dilakukan. Normalitas ini dilakukan guna
menguji apakah model regresi, variabel dependen, variabel independen atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data
normal atau mendekati normal. Deteksi adanya Normalitas melalui One-Sample Kolmogorov Smirnov Test
. Data yang berdistribusi normal akan ditandai dengan Asymp. Sig
2-tailed 0,05. Hipotesis yang diajukan.
Ho : Data variabel berdistribusi normal. H
1
: Data variabel tidak berdistribusi normal Kriteria Pengambilan Keputusan
Jika probabilitas 0,05, maka Ho diterima. Jika probabilitas 0,05, maka Ho ditolak.
2. Uji Multikolinieritas
Santoso 2001 mengatakan bahwa apabila pada model regresi ditemukan adanya korelasi antara variabel independen maka hal tersebut dinamakan terdapat masalah
Multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Deteksi multikolinieritas menggunakan besaran VIF Variance
Inflation Factor dan Tolerance nilai toleransi.
Catatan: Tolerance = 1 VIF atau bisa juga VIF = 1 Tolerance Hipotesis yang diajukan.
Ho : Data variabel independen bebas multikolinieritas. H
1
: Data variabel independen terdapat multikolinieritas Kriteria Pengambilan Keputusan
Jika nilai VIF 10 atau angka Tolerance 0,1 maka Ho diterima. Jika nilai VIF 10 atau angka Tolerance 0,1 maka Ho ditolak.
3. Uji Autokorelasi
Santoso 2001 mengatakan apabila suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
sebelumnya, maka terjadi autokorelasi. Model regresi yang baik adalah bebas autokorelasi. Deteksi autokorelasi melalui Durbin Watson Test dengan menentukan nilai
DW atau nilai Durbin Watson, kemudian dari jumlah observasi n dan jumlah variabel independen k ditentukan nilai batas atas du dan batas bawah d
L
. Hipotesis yang diajukan.
Ho : Model regresi tidak ada autokorelasi. H
1
: Model regresi terdapat autokorelasi. Kriteria Pengambilan Keputusan
1. dw d
L
maka Ho ditolak, berarti ada autokorelasi positif.
2. du dw d
L
adalah daerah tanpa keputusan berarti uji tidak menghasilkan kesimpulan inconclusive.
3. du dw 2 dan 2 dw 4-du Ho diterima, berarti tidak ada autokorelasi. 4. 4-du dw 4-d
L
, daerah tanpa keputusan, berarti uji tidak menghasilkan kesimpulan inconclusive.
5. dw 4-d
L
maka Ho ditolak, berarti ada autokorelasi negatif.
Tabel 2 Deteksi Autokorelasi dengan Nilai Durbin-Watson
MODEL JENSEN MODEL H-M dan MODEL T-M
k = 2 k = 3
du = 1.023 du = 1.274
dL = 2.977 dL = 2.726
sumber: tabel Durbin-Watson
4. Uji Heteroskedastisitas
Kategori