Uji Normalitas Uji Multikolinieritas

38

3.8 Pengujian Asumsi Klasik

Pengujian asumsi klasik dimaksudkan untuk memastikan bahwa dalam model regresi yang digunakan tidak terdapat heterokedastisitas, autokorelasi, dan multikolinieritas serta untuk memastikan data yang dihasilkan memiliki distribusi normal. Metode OLS Ordinary Least Square digunakan berlandaskan pada sejumlah asumsi tertentu. Pada prinsipnya model regresi linier yang dibangun sebaiknya tidak boleh menyimpang dari asumsi BLUE Best, Lininer, Unbiased dan Estimator Widarjono, 2013:23. Berikut penjelasan pengujian kelayakan model regresi yang digunakan dalam uji asumsi klasik :

3.8.1 Uji Normalitas

Uji normalitas digunakan untuk melihat apakah data yang digunakan memiliki distribusi normal sehingga dapat dipakai dalam stastistik parametrik statistik inferensial. Uji normalitas terdapat dalam analisis regresi berganda untuk melihat nilai residual dalam sebuh model. Pendugaan persamaan dengan menggunakan metode OLS harus memenuhi sifat kenormalan, karena jika tidak normal dapat menyebabkan varians infinitif ragam tidak hingga atau ragam yang sangat besar. Hasil Pendugaan yang memiliki varians infinitif menyebabkan pendugaan dengan metode OLS akan menghasilkan nilai dugaan yang tidak berarti. Metode yang digunakan untuk menguji normalitas dalam penelitian ini adalah metode Jarque-Bera test dengan Eviews 7.2. Jarque-Bera test mempunyai distribusi chi-square dengan derajat bebas dua. Jika hasil Jarque-Bera test lebih besar dari nilai chi-square pada α = 5 persen, maka hipotesis nol ditolak yang Universitas Sumatera Utara 39 berarti tidak berdistribusi normal. Jika Jarque-Bera test lebih kecil dari chi-square pada α = 5 persen, maka hipotesis nol diterima yang berarti error term berdistribusi normal.

3.8.2 Uji Multikolinieritas

Uji multikolinieritas digunakan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Variabel- variabel bebas tersebut dalam hal ini disebut variabel-variabel bebas orthogonal atau variabel bebas yang nilai korelasi diantara sesamanya sama dengan nol. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika dalam model terdapat multikolinieritas maka model tersebut memiliki kesalahan standar yang besar sehingga koefisien tidak dapat ditaksir dengan ketepatan tinggi. Dampak yang diakibatkan dengan adanya multikolinieritas antara lain : 1. Nilai standart error untuk masing-masing koefisien menjadi tinggi, sehingga t hitung menjadi rendah. 2. Standart error of estimate akan semakin tinggi dengan bertambahnya variabel independen. 3. Pengaruh masing-masing variabel sulit dideteksi Priyatno, 2013:59-60. Untuk mendeteksi ada tidaknya multikolinieritas dalam penelitian ini dilakukan tahapan pengujian melalui Eviews 7.2 dengan pendekatan korelasi parsial pada metode deteksi Klien yang mana nantinya akan memperbandingkan R 2 dari regresi inti persamaan linier dengan R 2 dari regresi korelasi antara masing- Universitas Sumatera Utara 40 masing variabel independen. Dengan ketentuan apabila R 2 pada regresi inti lebih besar dari R 2 regresi korelasi parsial masing-masing variabel independen maka tidak ditemukan adanya multikolinieritas. Dan sebaliknya, apabila R 2 pada regresi inti lebih kecil dari R 2 regresi korelasi parsial masing-masing variabel independen maka ditemukan adanya multikolinieritas.

3.8.3 Uji Heterokedastisitas