̇ Pada nomor 13 dan 14 terlihat dengan tidak 0 dan melakukan 1 ekspansi
ternyata menghasilkan kemungkinan penyerapan tenaga kerja yang meningkat dari 0,4403 dan 0,6083. Hal ini sesuai dengan hipotesa dimana jika lembaga
kursus melakukan ekspansi maka akan meningkatkan permintaan tenaga kerja.
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, heteroskedastistas, normalitas dan linieritas.
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 4.16 adalah sebagai berikut:
83
Tabel 4.16. Hasil Estimasi Uji Multikolinieritas Variabel
R
2
TU Tingkat Upah 0,4372
MU Modal Usaha 0,4761
PD Pendapatan Usaha 0,5396
JP Jumlah Peserta Didik 0,5588
DM Ekspansi 0.4740
Sumber : Data diolah Lampiran 4 sd 8
Berdasarkan pada Tabel 4.16 diatas dapat terlihat bahwa nilai R
2
TK C TU MU PD JP DM, yaitu 0,6553 lebih besar dari pada nilai R
2
dalam regresi parsial yaitu : 0,4372; 0,4761; 0,5396; 0,5588 dan 0,4740 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 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 10,7159 dan bila dibandingkan dengan nilai χ
2
Tabel sebesar 22,7178 pada tingkat signifikansi α = 5, maka dapat disimpulkan
84
bahwa nilai ObsR-squared lebih kecil dan nilai χ
2
Tabel ObsR-squared = 10,7159 χ
2
Tabel = 22,7178. Dengan demikian , hasil uji dengan menggunakan white heterokedastisticity test tidak ditemukan masalah heteroskedastisitas dalam model
yang digunakan. Tabel 4.17. Hasil Estimasi Uji Heteroskedastisitas
White Heteroskedasticity Test: F-statistic
0.538507 Probability 0.919661
ObsR-squared 10.71590 Probability
0.852792 Sumber : Data diolah lampiran 9
4.6.3. Uji Normalitas
