3.6 Uji Penyimpangan Klasik 3.6.1 Uji Normalitas
Asumsi yang digunakan dalam Ordinary Least Square OLS adalah nilai rata-rata dari faktor pengganggu µ adalah nol. Untuk menguji apakah normal
atau tidaknya faktor pengganggu, maka perlu dilakukan uji normalitas dengan menggunakan Jarque-Bera Test J-B Test. Untuk melihat apakah data telah
berdistribusi normal adalah dengan memperhatikan nilai angka probability dari hasil regresi. Dalam bukunya, Pratomo 2007 menyebutkan bahwa angka
probability 0,05 maka data berdistribusi normal, sebaliknya apabila angka
probability 0,05 maka data tidak berdistribusi normal.
3.6.2 Multikolinearitas
Multikolinearitas adalah hubungan linier antara variabel independen di dalam regresi berganda dalam persamaan. Hubungan linier antara variabel
independen dapat terjadi dalam bentuk hubungan linier yang sempurna perfect dan hubungan linier yang kurang sempurna imperfect.
Adanya multikolinearitas ditandai dengan: 1. Nilai standar errornya memiliki nilai yang tak terhingga atau cukup besar
2. Sebagian besar tanda arah dari koefisien regresi berlawanan dengan teori atau hipotesis.
3. Tidak ada satupun atau sangat sedikit t-statistik yang signifikan pada α = 1,
α = 5, α = 10 4. R
2
sangat tinggi
UNIVERSITAS SUMATERA UTARA
5. Pengujian lain dapat digunakan untuk melihat multikolinearitas antar variabel dengan menggunakan uji parsial Wahyu Ario Pratomo dan Paidi Hidayat,
2001:90. Suatu model regresi linear akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung multikolinearitas. Multikolinearitas
terjadi karena adanya hubungan yang kuat antar sesama variabel bebas dari suatu model estimasi.
3.6.3 Autokorelasi
Uji autokolinearitas merupakan hubungan variabel-variabel dari serangkaian yang tersusun dalam rangkaian waktu. Autokorelasi juga menunjukkan hubungan
nilai-nilai yang berurutan dari variabel yang sama. Autokorelasi dapat terjadi jika kesalahan pengganggu suatu periode korelasi dengan kesalahan pengganggu
periode sebelumnya. Ada beberapa cara untuk mengetahui keberadaan autokorelasi, yaitu:
a Dengan menggunakanmem-flot grafik b Dengan uji Durbin-Watson Uji D-W Test
Uji D-W ini dirumuskan sebagai berikut: Ho : p = 0, artinya tidak ada autokorelasi
Ha : p ≠ 0, artinya ada autokorelasi
UNIVERSITAS SUMATERA UTARA
d
l
d
u
2 4-d
u
4-d
Gambar 3.3
l
Kurva Durbin Watson
Untuk menguji masalah autokorelasi ini kita harus menentukan besarnya nilai kritis dari d
u
dan d
l
1 Jika DW dt, maka H . Berdasarkan jumlah observasinya dari variabel
independen, jika hipotesis nol menyatakan bahwa tidak terjadi autokorelasi, maka:
o
2 Jika d ditolak, berarti bahwa suatu regresi mengalami
autokorelasi
u
DW 4-d
u
, maka H
o
3 Jika d diterima yang berarti bahwa suatu persamaan
regresi tidak mengalami autokorelasi.
l
≤ DW ≤ d
u
atau 4 – d
u
≤ DW ≤ 4 - d
l,
3.7 Defenisi Operasional