61
4.6 Uji Asumsi Klasik
Mempertimbangkan bahwa dalam model regresi yang ingin dicapai adalah Best Linear Unbiased Estimator BLUE dan ada kalanya sering dijumpai dalam
model regresi terutama regresi linear berganda berbagai masalah terutama pelanggaran terhadap asumsi klasik, maka dalam penelitian ini dilakukan pengujian
asumsi klasik berupa multikolinearitas.
4.6.1 Uji Multikolinieritas
Interpretasi dari model regresi berganda secara implisit bergantung pada asumsi bahwa antar variabel bebas yang digunakan dalam model tersebut tidak saling
berkolerasi. Koefisien-koefisien regresi biasanya diinterpretasikan sebagai ukuran perubahan variabel terikat jika salah satu variabel bebasnya naik sebesar satu unit dan
seluruh variabel bebas lainnya dianggap tetap. Namun interpretasi ini menjadi salah
apabila terdapat hubungan linear antar variabel bebas. Berikut ini hasil uji
multikolinieritas pada Tabel 4.15 adalah sebagai berikut: Tabel 4.15. Hasil Estimasi Uji Multikolinieritas
Variabel R
2
LOG Modal Usaha 0,194
LOG Jumlah Tenaga Kerja 0,215
LOG Lama berusaha 0,078
Sumber : Data diolah Lampiran 4 sd 6
Berdasarkan pada Tabel 4.15 diatas dapat terlihat bahwa nilai R
2
{LOGPRO C LOGCAP LOGLAB LOGTIME, yaitu 0,863 lebih besar dari
Afwan Efendi: Analisis Determinan Keuntungan Usaha Kecil Pada Sektor Perdagangan Di Kabupaten Deli Serdang, 2008. USU e-Repository © 2008
62
pada nilai R
2
dalam regresi parsial yaitu : 0,194; 0,215 dan 0,078 berdasarkan ketentuan rule of thumb dan metode ini dapat disimpulkan bahwa dalam model
tersebut tidak terdapat ditemukan adanya multikolinierity.
4.6.2 Uji Heteroskedastisitas
Dalam regresi berganda, salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model tersebut bersifat BLUE adalah var u
1
j
2
konstan, semua sesatan mempunyai variansi yang sama. Padahal ada kasus-kasus tertentu dimana
variansi u
1
tidak konstan, melainkan suatu variabel berubah-ubah. Berdasarkan hasil estimasi uji white heterokedastisticity test diatas, diperoleh
besarnya nilai ObsR-squared sebesar 10,703 dan bila dibandingkan dengan nilai χ
2
Tabel sebesar 16,919 pada tingkat signifikansi α = 5, maka dapat disimpulkan
bahwa nilai ObsR-squared lebih kecil dan nilai χ
2
Tabel ObsR-squared = 10,703 χ
2
Tabel = 16,919. Dengan demikian , hasil uji dengan menggunakan white heterokedastisticity test tidak ditemukan masalah heteroskedastisitas dalam model
yang digunakan. Tabel 4.16. Hasil Estimasi Uji Heteroskedastisitas
White Heteroskedasticity Test: F-statistic
1.196482 Probability 0.303970
ObsR-squared 10.70255 Probability
0.296650 Sumber : Data diolah lampiran 7
Afwan Efendi: Analisis Determinan Keuntungan Usaha Kecil Pada Sektor Perdagangan Di Kabupaten Deli Serdang, 2008. USU e-Repository © 2008
63
4.6.3 Uji Normalitas