Hafnida : Faktor-Faktor Yang Mempengaruhi Permintaan Jumlah Daya Listrik Di Kota Medan, 2010.
7,29 30,32
Gambar 3.6 Kurva Pengujian F-Statistik
4.6 Pengujian Asumsi Klasik
Pengujian asumsi klasik ini meliputi 4 macam pengujian, yaitu pengujian multikolinearitas, heteroskedastisitas, normalitas dan linearitas.
4.6.1 Multikolinearitas
Adalah hubungan yang terjadi diantara variabel-variabel independen, pengujian terhadap gejala multikolinearitas dapat dilakukan dengan membandingkan koefisien determinasi parsial,
r
2
dengan koefisien determinasi majemuk R
2
regresi awal atau yang disebut dengan metode Klein rule of Thumbs. Jika r
2
R
2
maka tidak ada multikolinearitas.
Tabel 4.6 Hasil Pengujian Multikolinearitas
Variabel r
2
R
2
Keterangan X1 dengan X2, X3
0,645788 0,689332
Tidak ada multikolinearitas X2 dengan X1, X3
0,191457 0,689332
Tidak ada multikolinearitas X3 dengan X1, X2
0,271951 0,689332
Tidak ada multikolinearitas Sumber : Data diolah dengan Eviews lampiran
Hafnida : Faktor-Faktor Yang Mempengaruhi Permintaan Jumlah Daya Listrik Di Kota Medan, 2010.
Hasil Uji Klien diatas menunjukkan bahwa tidak terdapat multikolineartias karena nilai r
2
lebih kecil dari R
2
.
4.6.2 Heteroskedastisitas
Adalah salah satu asumsi Ordinary Least Square OLS jika varians residualnya dilakukan dengan white test yaitu dengan cara meregres logaritma residual kuadrat terhadap
variabel penjelas. Uji ini dapat dilakukan dengan menggunakan uji White White’s General Heteroscedasticity Test.
Tabel 4.7 Hasil Pengujian Heteroskedastisitas
White Heteroskedasticity Test: F-statistic
2.211465 Probability 0.045131
ObsR-squared 16.31314 Probability
0.060623 Sumber : Data diolah dengan Eviews lampiran
Nilai probability chi-squarenya memang lebih besar dai 5, namun untuk pengujian tingkat signifikansi 10, maka hasil estimasi tidak lepas dari heteroskedastisitas. Untuk masalah
heteroskedastisitas tersebut dapat diobati dengan menggunakan metode kuadrat terkecil tertimbang Weighted Least Squares = WLS yaitu dengan melihat nilai dari Sum of Squares
Residual = RSS dibagi dengan jumlah variabel penjelas. Hasil yang diperoleh yaitu RSS awal yang didapat adalah 2.49E+11, kemudian setelah
diobati RSS yang diperoleh adalah 3.27E-06. Hal ini berarti bahwa apabila nilai sum squared resid cenderung menurun, maka dapat dikatakan bahwa model yang diestimasi lolos dari
Hafnida : Faktor-Faktor Yang Mempengaruhi Permintaan Jumlah Daya Listrik Di Kota Medan, 2010.
masalah heteroskedastisitas. Hasil estimasi tersebut menunjukkan bahwa nilai RSS yang semakin kecil.
4.6.3 Uji Normalitas
