4.6 Uji asumsi klasik
4.6.1 Multikolinieritas
Yaitu adanya hubungan linier antara variabel independen di dalam regresi. Dalam penelitian ini cara yang digunakan untuk mendeteksi adanya
multikolinieritas yaitu dengan melakukan regresi auxiliary, model ini membandingkan antara koefisien determinasi R
2
dengan koefisen determinasi antar variabel independen
r
1
, r
2,
r
3
, dari regresi auxiliary diperoleh hasil sebagai berikut
Tabel 4.6 Nilai Multikolinieritas
Variabel dependen Variabel independen
Nilai
R
2
Pengangguran terbuka
UMK, inflasi, pertumbuhan ekonomi
0,948045 r
1
UMK Inflasi, pertumbuhan
ekonomi 0,374089
r
2
Inflasi UMK, pertumbuhan
ekonomi 0,195135
r
3
Pertumbuhan ekonomi
UMK, inflasi 0,794843
Dilihat dari tabel 4.4 diketahui bahwa R
2
r
1
, r
2
, r
3
hal ini menunjukan bahwa dalam model ini terbebas dari masalah multikolinieritas.
4.6.2. Uji Heterokesdastisitas
Heterokesdastisitas merupakan variabel gangguan mempunyai varian yang tidak konstan dari observasi ke observasi lain. Dalam penelitian metode yang
digunakan adalah metode GLS Generalized Least Square yang pada intinya memberikan pembobotan kepada variasi data yang digunakan, yaitu kuadrat
varians dari model. Program Eviwes memiliki fasilitas cross section weights dan
white-cross section
covariance yang
mampu mengatasi
masalah heterokesdastisitas. Gujarati. 2010.
4.6.3 Uji Normalitas
Dalam penelitian ini tidak digunakan uji normalitas karena pada dasarnya untuk jumlah observasi kurang dari 30 harus dilakukuan uji normalitas sedangkan
untuk jumlah observasi lebih dari 30 tidak diperlukan uji normalitas karena distribusi sampling error term telah mendekati normal Ajija. 2011:42. Selain itu
sampel dalam jumlah kecil yaitu dibawah 100 observasi asumsi kenormalan merupakan peranan yang penting dan untuk sampel dalam jumlah besar asumsi
kenormalan dapat diabaikan Gujarati, 2010.
4.6.4 Uji Autokorelasi
Yaitu adanya korelasi antara anggota observasi satu dengan observasi lain yang berlainan waktu. Deteksi autokorelasi yang digunakan dalam penelitian ini
adalah dengan cara uji Durbin-Watson d. Keputusan ada tidaknya autokorelasi didasarkan pada tabel yang dijelaskan di depan bahwa apabila nilai dari Durbin-
Watson statistik berada pada area d
u
≤ d ≤ 4-d
u
hal ini menunjukan bahwa menerima Ha yang berarti tidak ada autokorelasi positif negatif.
d
L
d
u
4-d
u
4-d
L
4 Aut okorelasi
posit if Tidak
ada keput us
an Tidak ada
aut okorelasi Tidak
ada keput us
an Aut okorel
asi negat if
Hasil dari DW statistik yaitu sebesar 1,983737, pada taraf signifikansi 5 0,05 dengan jumlah observasi N sebesar 210 dan jumlah variabel independen
tanpa konstanta k yaitu 3 pada DW tabel diperoleh nilai d
L
sebesar 1,738 dan d
u
sebesar 1,799. Nilai DW statistik berada pada area d
u
≤ d ≤ 4-d
u
yaitu 1,799 ≤
1,983 ≤ 2,201 hal ini menunjukan bahwa Ha diterima yang berarti tidak ada
autokorelasi positif negatif.
4.7 Pembahasan
Kategori