3.10. Uji Asumsi Klasik
Ada beberapa permasalahan yang bisa terjadi dalam model regresi linier, yang secara statistik permasalahan tersebut dapat mengganggu model yang telah
dilakukan, bahkan dapat menyesatkan kesimpulan yang diambil dari persamaan yang terbentuk. Untuk itu maka perlu melakukan uji penyimpangan asumsi klasik,
yang terdiri dari Insukindro, 2000.
3.10.1. Normalitas
Untuk mengetahui apakah normal dan tidaknya faktor penganggu, μ
t
1. Bila nilai JB hitung =χ
dengan J-B test . adapun kriteria untuk mengetahui normal atau tidaknya dari faktor penganggu adalah sebagai berikut :
2 hitung
nilai χ
2 tabel
, maka hipotesis yang m
enyatakan bahwa residual, μ
t
2. Bila nilai JB hitung =χ
adalah berdistribusi normal ditolak.
2 hitung
nilai χ
2 tabel
, maka hipotesis yang menyatakan bahwa residual, μ
t
3.10.2. Linieritas
adalah berdistribusi normal tidak dapat ditolak.
Uji linieritas digunakan untuk mengetahui apakah spesifikasi model yang digunakan sudah benar atau tidak. Apakah fungsi yang digunakan sebaiknya
berbentuk linier atau tidak. Apakah suatu variabel baru relevan atau tidak dimasukkan dalam modal. Untuk uji linieritas dalam penelitian ini digunakan uji
Universitas Sumatera Utara
Ramsey Ramsey RESET test, yaitu dengan membandingkan F
hitung
dan F
tabel
1. Bila nilai F
. Kriteria keputusannya adalah sebagai berikut :
hitung
nilai F
tabel
2. Bila nilai F
, maka hipotesis yang menyatakan bahwa spesifikasi model digunakan dalam bentuk fungsi linier adalah benar ditolak.
hitung
nilai F
tabel
3.10.3. Multikolinieritas
, maka hipotesis yang menyatakan bahwa spesifikasi model digunakan dalam bentuk fungsi linier adalah benar tidak
dapat ditolak.
Multikolinieritas timbul karena salah satu atau lebih variabel bebas penjelas merupakan kombinasi linier yang pasti sempurna atau mendekati pasti
dari variabel penjelas lainnya. Jika terdapat multikolinieritas sempurna, koefisien regresi dari variabel penjelas tersebut tidak dapat ditentukan dan variansnya
bernilai tak terhingga. Jika multikoliniearitas kurang sempurna, koefisien regresi dapat ditentukan, namun variansnya sangat besar, sehingga tidak dapat menaksi
koefisien secara akurat. Dalam model regresi linier, diasumsikan tidak terdapat multikolinieritas di antara variabel-variabel penjelas, untuk itu perlu dideteksi
dengan mengamati besaran-besaran regresi yang didapat yaitu : 1. Interval tingkat kepercayaan lebar karena varians besar maka standar error
besar, sehingga interval kepercayaan lebar. 2. Koefisien determinasi tinggi dan signifikansi nilai t statistik rendah.
3. Koefisien korelasi antar variabel bebas tinggi. 4. Nilai koefisien korelasi parsial tinggi.
Untuk melihat ada tidaknya dalam suatu model pengamatan dapat dilakukan dengan regresi antar variabel bebas, sehingga dapat diperoleh nilai
Universitas Sumatera Utara
koefisien determinan R
2
masing-masing. Selanjutnya R
2
hasil regresi antar variabel bebas tersebut dibandingkan dengan R
2
Jika nilai R hasil regresi model, sehingga
diperoleh kesimpulan sebagai berikut :
2
hasil regresi antar variabel bebas R
2
model penelitian, maka hipotesis yang menyatakan bahwa tidak ada multikolinieritas dalam model
empiris yang digunakan ditolak. Jika nilai R
2
hasil regresi antar variabel bebas R
2
Uji multikolinieritas digunakan metode Klein yang dikemukakan oleh L.R. Klein. Metode ini membandingkan lower case korelasi antar masing-masing
variabel independen. Jika R model penelitian, maka hipotesis yang menyatakan bahwa tidak ada masalah
multikolinieritas model empiris yang digunakan tidak dapat ditolak.
2
y X
i
,X
j
,... X
n
r
2
X
i
,X
j
maka tidak terjadi masalah multikolinieritas. Hasil uji Klein untuk mendeteksi masalah
multikolinieritas menunjukkan bahwa untuk semua korelasi antar variabel bebas memiliki r
2
yang lebih kecil dari R
2
r
2
R
2
3.10.4. Heteroskedastisitas
Kategori