regresi memenuhi asumsi normalitas. Selain dari grafik dan histogram yang tersaji, normalitas dapat dideteksi dengan uji Jarque-Bera JB.
jika JB 2 tabel, maka terdistribusi normal jika JB 2 tabel, maka tidak terdistribusi normal
3.6. Pengujian Penyimpangan Asumsi Klasik
3.6.1 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan “pengganggu” pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terdapat korelasi, maka dinamakan ada masalah autokorelasi.
Uji autokorelasi menggunakan pengujian Durbin-Watson DW test. DW test digunakan untuk autokorelasi tingkat satu dan terdapat intersep konstanta
dalam model regresi dan tidak ada variabel lag antara variabel independen menurut Ghozali, 2005
Sehingga hipotesis yang akan diuji adalah: Ho : tidak ada autokorelasi r = o
H
a
: Ada autokorelasi r o
Gambar 3.1 Pengambilan Keputusan Uji Autokorelasi
Tolak Ho Grey
Grey Tolak Ho
Daerah tidak tolak Ho
dl du
2 4-du
4-dl 4
3.6.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varience dan residual suatu pengamatan ke pengamatan
yang lain. Jika variance dari residual suatu pengamatan ke pengamatan yang tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisidas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada tidaknya heteroskedastisitas adalah
dengan:
• Uji Park: Ho = homoskedastik , jika signifikan menolak Ho, berarti ada heteroskedastik, begitupula sebaliknya.
• Uji White: Ho = Heteroskedastik, jika obsR
2
2 tabel, Ho ditolak, begitu sebaliknya
3.6.3 Uji Multikolinieritas
Tes ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika variabel independen saling
berhubungan, maka variabel-variabel tersebut tidak ortogonal. Variabel ortogonal adalah variabel yang nilai korelasi antar sesama variabel independen adalah nol.
Untuk mendeteksi ada tidaknya multikolinieritas pada suatu model regresi, adalah sebagai berikut:
a. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak tidak
signifikan mempengaruhi variabel dependen. b. Menganalisis matrik korelasi variabel-variabel dependen. Jika antara
variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolinieritas. Tidak
adanya korelasi yang tinggi antar variabel independen tidak bearti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan adanya efek
kombinasi dua atau lebih variabel independen. c. Auxiliary Regression dilakukan dengan me’regres’ salah satu variable
bebas dengan dua variable lainnya. Berdasar pengujian tersebut, jika dihasilkan R
2
R
2
model, maka artinya tidak terdapat multikolinieritas.
3.7. Pengujian Hipotesis