4.7.1 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 4.25 adalah sebagai berikut: Tabel 4.25. Hasil Estimasi Uji Multikolinieritas
Variabel R
2
LOG MODAL 0,217
LOG LAB 0,233
LOGEXPE 0,059 LOGDST 0,337
Sumber : Data diolah Lampiran 6 sd 9
Berdasarkan pada Tabel 4.25 diatas dapat terlihat bahwa nilai R
2
{LOGINC C LOGMODAL LOGLAB LOGEXPE LOGDST, yaitu 0,616 lebih besar dari pada nilai R
2
antar variabel bebas dalam regresi parsial yaitu : 0,217; 0,233; 0,059 dan 0,337 berdasarkan ketentuan rule of thumb dan metode ini dapat
disimpulkan bahwa dalam model tersebut tidak ditemukan adanya multikolinierity.
Sujarno : Analisis Faktor-Faktor Yang Mempengaruhi Pendapatan Nelayan Di Kabupaten Langkat, 2008 USU Repository © 2008
4.7.2 Uji Heteroskedastisitas
Dalam regresi berganda, salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model tersebut bersifat BLUE adalah var u
i 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 pada tabel 4.26,
diperoleh besarnya nilai ObsR-squared sebesar 11,399 dan bila dibandingkan dengan nilai
χ
2
Tabel sebesar 118,743 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 = 118,743. Dengan demikian, hasil uji dengan menggunakan
white heterokedastisticity test tidak ditemukan masalah
heteroskedastisitas dalam model yang digunakan. Tabel 4.26. Hasil Estimasi Uji Heteroskedastisitas
White Heteroskedasticity Test: F-statistic
0.781175 Probability 0.686336
ObsR-squared 11.39968 Probability
0.654392
Sumber : Data diolah lampiran 10
4.7.3 Uji Normalitas