76
karena hasil uji chow menunjukkan bahwa model lebih baik menggunakan Pooled Least Square PLS, maka tidak diperlukan
uji Hausman.
2. Asumsi Klasik
a. Uji Normalitas
Uji normalitas merupakan uji yang dilakukan untuk mengetahui apakah dalam sebuah model regresi, variabel
dependen, variabel independen, atau keduanya mempunyai distribusi normal atau tidak. Uji Normalitas ini dilakukan dengan
cara melihat nilai Probabilitas dari Jarque Berra dalam suatu penelitian. Jika nilai probabilitas Jarque Berra
α = 0,05, maka Ho diterima, sebaliknya jika nilai Jarque Berra
α = 0,05, maka H1 diterima. Perumusan Hipotesis :
Ho : data terdistribusi normal
H
1
: data tidak terdistribusi normal
77
Gambar 4.1 Uji Normalitas
Sumber data : Lampiran 5 Gambar 4.1 menunjukkan nilai Probabilitas dari Jarque
Berra sebesar 0.652775 α = 0.05 , maka Ho diterima yang
berarti bahwa data dalam penelitian ini terdistribusi normal.
b. Uji Multikolinieritas
Uji multikolinearitas merupakan uji yang dilakukan untuk mengetahui apakah dalam model regresi ditemukan adanya
korelasi antar variabel bebas. Uji multikolinieritas ini dilakukan dengan cara melihat nilai korelasi antar variable independen yang
ada dalam penelitian ini. Jika nilai korelasi 0,8 maka dapat dikatakan data yang ada di dalam penelitian ini terjadi
Multikolinieritas.
1 2
3 4
5 6
-199999 1
200001 400001
Series: Standardized Residuals Sample 2010 2013
Observations 20
Mean -4.37e-11
Median -28124.64
Maximum 367891.8
Minimum -260540.6
Std. Dev. 177437.1
Skewness 0.384241
Kurtosis 2.341903
Jarque-Bera 0.853047
Probability 0.652775
78
Tabel 4.5 Uji Multikolinearitas
TP UMK
TP 1
0.3434179339899114
UMK 0.3434179339899114
1 Sumber data : Lampiran 6
Dari hasil diatas dapat dilihat bahwa nilai korelasi antar variable independen seluruhnya 0,8 yang berarti bahwa data
dalam penelitian ini tidak terjadi masalah multikolinieritas.
c. Uji Autokorelasi
Autokorelasi adalah hubungan antara residual satu
observasi dengan residual observasi lainnya Winarno, 2007: 5.14. Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik autokorelasi yaitu korelasi yang
terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Salah satu cara untuk mendeteksi gejala
autokorelasi digunakan uji Durbin Watson D-W test.
79
Tabel 4.6 Uji Autokorelasi
Durbin Watson
R-squared 0.593656 Mean dependent var
571791.1 Adjusted R-squared
0.545851 S.D. dependent var 278354.0
S.E. of regression 187584.5 Akaike info criterion 27.25933
Sum squared resid 5.98E+11 Schwarz criterion
27.40869 Log likelihood
-269.5933 Hannan-Quinn criter. 27.28848 F-statistic
12.41823 Durbin-Watson stat 1.553684
ProbF-statistic 0.000474
Sumber data : Lampiran 7 Dari hasil regresi yang telah dilakukan dalam penelitian ini
di dapat nilai DW sebesar 1.553684 dU = 1,5367 , maka dapat disimpulkan bahwa tidak terdapat autokorelasi
d. Uji Heterokedastisitas
