4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji ini merupakan pengujian yang paling banyak dilakukan untuk analisis statistik
paramerik. Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau
residual memiliki
distribusi normal
Ghozali, 2005:110.
Setiap variabel model regresi harus merupakan distribusi normal. Dalam penelitian ini untuk menguji normalitas variabel menggunakan Jaeque-Bera test.
Jarque-Bera Test adalah uji statistik untuk mngetahui data terdistribusi normal. Caranya yaitu dengan membandingkan nilai J-B hitung dengan nilai C
2
chi- square tabel. Apabila nilai J-B hitung nilai C
2
tabel, maka nilai residual terdistribusi dengan tidak normal dan apabila nilai J-B hiung nilai C
2
tabel, maka nilai residual terdistribusi dengan normal.
Berikut adalah hasil uji normalitas yang diperoleh dari program Eviews 8.1 dapat dilihat pada gambar 4.3:
1 2
3 4
-2.5 -2.0
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5 2.0
Series: Residuals Sample 2008 2015
Observations 8
Mean -2.66e-15
Median -0.138952
Maximum 1.544070
Minimum -2.081465
Std. Dev. 1.149528
Skewness -0.340959
Kurtosis 2.555812
Jarque-Bera 0.220772
Probability 0.895488
Sumber: Output Eviews 8.1 Data Diolah, 2016 Gambar 4.3
Uji Normalitas
Untuk mengetahui
normal atau
tidaknya model
regresi variabel
pengganggu atau residual dengan cara membandingkan nilai J-B hitung dengan nilai C
2
Chi-Square tabel dari gambar 4.3 di peroleh nilai Jarque-Bera sebesar 0.220772. Nilai C
2
Tabel dengan df=8 –2 = 6 sebesar 12.59, jika dibandingkan
dengan nila J-B pada gambar diatas sebesar 0.220772, maka dapat disimpulkan bahwa data terdistribusi normal karena nilai J
–B nilai C
2
tabel atau 0.220772 12.59.
4.3.2 Uji Autokorelasi
Autokorelasi yaitu adanya hubungan antara kesalahan pengganggu yang muncul pada data runtun waktutime series. Dalam penaksiran model regresi linier
mengasumsikan bahwa tidak terdapat autokorelasi antara kesalahan pengganggu. Pengujian autokorelasi dapat dilakukan dengan menghitung menggunakan
metode Brusch-Godfrey atau LM Lagrange Multiplier Test. Menurut Iqbal,
2008 jika prob. F hitung alpha 0.05 5 maka Ho diterima yang artinya tidak terjadi autokorelasi. Sebaliknya, apabila prob. F hitung alpha 0.05 5
maka dapat disimpulkan terjadi autokorelasi. Berikut tabel 4.4 yang merupakan hasil olah data untuk mendeteksi ada atau tidak terjadinya Autokorelasi.
Tabel 4.4 Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test: F-statistic
0.731691 Prob. F2,4 0.5360
ObsR-squared 2.142822 Prob. Chi-Square2
0.3425
Sumber: Output Eviews 8.1 Data Diolah, 2016
Berdasarkan tabel 4.4 diatas dapat dijelaskan bahwa nilai Prob. F2,4 sebesar 0.5360 dapat juga disebut sebagai nilai probabilitas F hitung. Nilai Prob. F
hitung lebih besar dari tingkat alpha 0.05 5 atau 0.5360 0.05, sehingga berdasarkan uji hipotesis Ho diterima yang artinya tidak terjadi autokorelasi.
4.3.3 Uji Heteroskedastisitas