Metode analisis yang digunakan untuk menguji hipotesis penelitian adalah metode Ordinary Least Square OLS. Alat Bantu untuk mengolah data sekunder,
digunakan program Eviews 4.1.
3.5 Uji Kesesuaian
Uji kesesuaian test goodness of fit dilakukan berdasarkan perhitungan nilai koefisien determinasi R², uji F-statistic dan uji t-statistic. Penilaian terhadap R²
bertujuan untuk melihat kekuatan variasi variabel independen dalam mempengaruhi variasi variabel dependen. Uji F-statistic dimaksudkan untuk mengetahui signifikasi
statistik koefisien regresi secara simultan atau secara bersama-sama, sedangkan uji t- statistic dimaksudkan untuk mengetahui signifikasi statistik koefisien regresi secara
parsial.
3.6 Uji Penyimpangan Asumsi Klasik
Pelanggaran terhadap asumsi klasik dari model regresi linier sehubungan dengan tipe time series data adalah uji normalitas, multikolinieritas, dan autokorelasi.
Untuk memastikan bahwa asumsi multikolinieritas, autokorelasi dan linieritas terpenuhi maka pengujian empiris harus dilakukan.
3.6.1 Uji Normalitas
Uji normalitas adalah evaluasi dari disturbance term error dengan hipotesis nol: distrubance term error adalah normal. Pengujian asumsi normalitas
Andayani Hadi : Analisis Permintaan Kredit Konsumsi Pada Perbankan di Sumatera Utara, 2008 USU e-Repository © 2008
menggunakan Jarque-Berra [JB] Test dan membandingkannya dengan Tabel Distribusi [
χ
2
: df = 2], yaitu:
⎥ ⎦
⎤ ⎢
⎣ ⎡
− +
= 24
3 6
2 2
K S
T JB
3.6
dimana T = jumlah observasi pengamatan, S = skewness, dan K= kurtosis. Jika nilai maka hipotesis nol ditolak atau disturbance term error adalah
tidak normal. Sebaliknya jika maka hipotesis nol tidak ditolak
atau disturbance term error adalah normal.
2 2
χ ≥
− statistic JB
2 2
χ p
statistic JB
−
3.6.2 Uji multikolinieritas
Interpretasi dari persamaan regresi linier secara implisit bergantung pada asumsi bahwa variabel-variabel bebas dalam persamaan tersebut tidak saling
berkolerasi. Dalam sebuah persamaan terdapat multikolinieritas jika besaran-besaran regresi yang didapat sebagai berikut:
1. Variasi besar dari taksiran OLS
2. Interval kepercayaan lebar karena variasi besar, sehingga standar error besar
yang berdampak pada interval kepercayaan lebar. 3.
Uji t t-ratio tidak signifikan. Suatu variabel bebas yang signifikan baik secara substansi maupun secara statistik jika dilakukan regresi sederhana
maka terjadi bias dan tidak signifikan karena variasi besar akibat adanya kolinieritas. Bila standar error terlalu besar maka besar pula kemungkinan
taksiran koefisien regresi tidak signifikan.
Andayani Hadi : Analisis Permintaan Kredit Konsumsi Pada Perbankan di Sumatera Utara, 2008 USU e-Repository © 2008
4. R² tinggi, tetapi tidak banyak variabel yang signifikan dari uji t.
5. Terkadang nilai taksiran koefisien yang didapat akan mempunyai nilai yang
tidak sesuai dengan nilai yang sebenarnya, sehingga dapat menyesatkan interpretasi.
Gejala multikolinearitas pada suatu model estimasi dapat dideteksi dengan menggunakan perhitungan correlation matrix yang digunakan untuk mengetahui nilai
koefisien korelasi antar variabel independent.
3.6.3 Uji Autokorelasi
