54
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah model regresi antara variabel dependen, variabel independen atau
keduanya mempunyai distribusi normal atau mendekati normal. Uji normalitas menjadi sangat populer dan tercakup di beberapa komputer
statistik Gujarati,2006. Salah satu asumsi dalam analisis statitika adalah data yang
berdistribusi normal. Dalam analisis multivariat, para peneliti menggunakan pedoman kalau tiap variabel terdiri atas 30 data, maka
data sudah berdistribusi normal. Apabila analisis melibatkan 4 variabel, maka diperlukan data sebanyak 4x30 = 120.
Normalitas lebih mudah bila melihat koefisien Jarque-Bera dan Probabilitasnya. Bila nilai J-B tidak signifikan lebih kecil dari 2,
makan data berdistribusi normal. Dan bila probabilitasnya lebih besar dari 5 0,05 maka data terdistribusi normal Winarno,2011.
b. Uji Multikoleniaritas
Uji Multikoleniaritas bertujuan untuk mengetahui apakah model regresi masing-masing variabel bebas independent saling
berhubungan secara linear. Ada beberapa cara untuk mengetahui ada atau tidaknya multikoleniaritas, diantaranya :
1 Nilai R
2
tinggi, tetapi variabel independen banyak yang tidak signifikan.
55
2 Dengan menghitung koefisien korelasi antar variabel independen. Apbila koefisien rendah, maka tidak terdapat
multikoleniaritas. 3 Dengan melakukan regresi auxiliary. Regresi jenis ini dapat
digunakan untuk mengetahui hubungan antara dU atau lebih variabel independen yang secara bersama-sama
misalnya X
2
dan X
3
mempengaruhi satu variabel independen yang lain misal X
1
. Apabila model prediksi kita memiliki multikoleniaritas, akan
memunculkan akibat-akibat berikut : 1 Estimator masih bersifat BLUE, tetapi memilki varian dan
kovarian yang besar, sehingga sulit dipakai sebagai alat estimasi.
2 Interval estimasi cenderung lebar dan nilai statistik uji y akan kecil, sehingga menyebabkan variabel independen tidak
signifikan secara statistik dalam mempengaruhi variabel independen.
Cara menghilangkan multikoleniaritas : 1 Biarkan saja model mengandung multikoleniariras karena
estimatornya masih bersifat BLUE 2 Tambahkan datanya bila memungkinkan, karena masalah
multikoleniaritas muncul karena jumlah obsevasi sedikit.