3.6.2 Uji Penyimpangan Asumsi Klasik
Adapun asumsi-asumsi dasar itu dikenal sebagai asumsi klasik, yaitu sebagai berikut:
3.6.2.1 Uji Multikolinieritas
Multikolinieritas merupakan adanya hubungan linear yang “sempurna” atau pasti, di antara beberapa atau semua variabel yang menjelaskan dari model regresi Gujarati,1978.
Indikasi awal adanya multikolinieritas adalah : 1.
Interval kepercayaan lebar standar error besar 2.
Uji-t tidak signifikan, artinya nilai t statistik yang rendah. 3.
�
2
tinggi, tetapi tidak banyak variabel yang signifikan dari uji t Nachrowi dan Hardius, 2008.
Dengan adanya indikasi diatas maka kemungkinan terdapat multikolinieritas dari model regresi.
3.6.2.2 Uji Heterokedastisitas
Heterokedastisitas merupakan keadaan dimana semua gangguan yang muncul dalam fungsi regresi populasi tidak memiliki varians yang sama. Uji Heterokesdastisitas dapat dilakukan
dengan metode White Heteroskedasticity. Untuk membuktikan dugaan pada uji Heterokedastisitas pertama, maka dilakukan uji White Heteroskedasticity yang tersedia dalam
program Eviews. Hasil yang diperhatikan dari uji ini adalah nilai F dan ObsR-Square.
Jika nilai ObsR-Square dari tabel, maka tidak terjadi heteroskedastisitas.
Sebaliknya, jika nilai
ObsR-Square
dari tabel, maka terjadi heteroskedastisitas Ajija, R. Shochrul, 2011.
3.6.2.3 Uji Normalitas
Universitas Sumatera Utara
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangguatau residual mempunyai distribusi normal. Salah satu cara metode untuk menguji
normalitas adalah dengan menggunakan uji Jarque-Berra Uji J-B. hasil yang dilihat dari uji ini adalah nilai probability.
Jika nilai probability α maka dapat dikatakan bahwa error term berdistribusi normal.
Sebaliknya jika nilai probability α maka dapat dikatakan bahwa error term
berdistribusi tidak normal Ajija, R. Shochrul, 2011.
3.6.2.4 Uji Autokorelasi
Menurut Gujarati 1978 autokorelasi didefenisikan sebagai korelasi antar anggota observasi yang diurutkan menurut waktu seperti dalam data deretan waktu atau ruang seperti dalam data
cross-sectional. Salah satu langkah yang dapat dilakukan untuk mendeteksi autokorelasi adalah dengan
melakukan uji LM metode Bruesch Godfrey. Metode ini didasarkan pada nila F dan ObsR- Square.
Jika nilai probabilitas dari ObsR-Square melebihi tingkat kepercayaan, maka
� diterima. Artinya, tidak ada masalah autokorelasi Ajija, R. Shochrul, 2011.
3.6.3 Pengujian Hipotesis 3.6.3.1 Pengujian Signifikan Parameter Individual Uji Statistik t
Kategori