3.5 Uji Asumsi Klasik 3.5.1 Uji Normalitas
Dilakukan jika sampel kurang dari 30. Uji ini berguna untuk melihat error term terdistribusi secara normal. Uji ini disebut uji Jarque-bera.
Hipotesis: H : error term terdistribusi normal
H
1
: error term tidak terdistribusi normal Kriteria uji: Probability P-Value
taraf nyata α, maka tolak H Probability P-Value
taraf nyata α, maka terima H Jika tolak H
maka persamaan tersebut tidak memiliki error term terdistribusi normal. Sebaliknya jika terima H
maka persamaan tersebut memiliki error term terdistribusi normal.
3.5.2 Uji Multikolinearitas
Adanya hubungan linier antarvariabel independen dalam suatu regresi disebut
dengan multikolinearitas.
Jika dalam
suatu model
terdapat multikolinearitas akan menyebabkan nilai R
2
yang tinggi dan lebih banyak variabel bebas yang tidak signifikan dari pada variabel bebas yang signifikan atau
bahkan tidak satupun Gujarati, 2003. Masalah multikolinearitas dapat dilihat melalui correlation matrix, yaitu dengan melihat koefisien korelasi antar variabel
bebas. Jika korelasinya kurang dari 0,8 rule of tumbs 0,8 maka dapat dikatakan tidak ada multikolinearitas. Gejala multikolineritas biasanya timbul pada data time
series dimana korelasi antar variabel independen cukup tinggi. Sehingga dengan mengkombinasikan data yang ada dengan data cross section mengakibatkan
masalah multikolineritas secara tekhnis dapat dikurangi
.
3.5.3 Uji Heteroskedastisitas
Heteroskedasitas adalah keadaan dimana faktor gangguan tidak memiliki varian yang sama konstan. Adanya masalah heteroskedastisitas dalam model
menyebabkan model menjadi tidak efisien meskipun tidak bias dan konsisten. Untuk mendeteksi adanya pelanggaran asumsi heteroskedastisitas digunakan uji
White Heteroscedasticity yang diperoleh dari program EViews. Data panel dalam EViews 6 yang menggunakan metode General Least Square Cross Section
Weights maka untuk mendeteksi adanya heteroskedastisitas adalah dengan membandingkan Sum Square Residual pada Weighted statistics dengan Sum
Square Residual pada Unweight statistics. Jika Sum Square Residual pada Weighted statistics Sum Square Residual pada Unweight statistics maka terjadi
heteroskedastisitas. Untuk mengatasi pelanggaran tersebut, bisa mengestimasi GLS dengan White Heteroscedasticity.
3.5.4 Uji Autokorelasi
Autokorelasi adalah keadaan dimana terdapat korelasi antar residual. Biasanya gejala autokorelasi terjadi dalam data time series. Uji autolorelasi yang
paling sederhana adalah menggunakan uji Durbin-Watson DW. Karena jumlah variabel independen k 6 dan jumlah observasi n sebanyak 16, maka dU
bernilai 0,50 dan dL bernilai 2,39. Kriteria uji autokorelasi adalah sebagai berikut.
Tabel 3.3. Daerah Uji Statistik Durbin-Watson
Nilai statistik d Hasil
0 d 0,50 ada autokorelasi
0,50 ≤ d ≤ 1,61
tidak ada keputusan 1,61
≤ d ≤ β,γ9 tidak ada autokorelasi
2,39 ≤ d ≤ γγ,5
tidak ada keputusan 3,5
≤ d ≤ 4 ada autokorelasi
Sumber: Durbin Watson, 2006
3.6 Spesifikasi Model Penelitian
