Pengujian statistik dilakukan dengan menggunakan uji statistik Uji-t t-test dan Uji - F F-test. Uji - t dimaksudkan untuk mengetahui signifikasi variabel secara partial,
sementara Uji - F mengetahui signifikasi statistik secara serentak, Uji R
2
bertujuan untuk mengetahui seberapa besar kekuatan variabel bebas menjelaskan variabel terikat.
3.9. Uji Penyimpangan Asumsi Klasik
Ada beberapa permasalahan yang bisa terjadi dalam model regresi linier, yang secara statistik permasalahan tersebut dapat mengganggu model yang telah dilakukan,
bahkan dapat menyesatkan kesimpulan yang diambil dari persamaan yang terbentuk. Untuk itu maka perlu melakukan uji penyimpangan asumsi klasik.
3.9.1. Uji Multikolinieritas
Interprestasi persamaan regresi linier secara implisit bergantung pada asumsi bahwa variabel-variabel bebas dalam persamaan tersebut tidak saling berkorelasi. Jika
dalam sebuah persamaan terdapat multikolinieritas akan menimbulkan beberapa akibat, untuk itu perlu pendeteksian multikolinieritas dengan besaran-besaran regresi yang di
dapat, yakni : a.
Variasi besar dari taksiran OLS b.
Interval kepercayaan lebar karena variasi besar maka standar error besar sehingga interval kepercayaan lebar.
c. Uji t t-rasio tidak signifikan, suatu variabel bebas yan signifikan baik secara
substansi maupun secara statistik jika dibuat regresi sederhana, bisa tidak signifikan karena variasi besar akibat kolinieritas. Bila standar error terlalu besar
Universitas Sumatera Utara
maka besar pula kemungkinan taksiran koefesien regresi
α1 – α4 tidak
signifikan. d.
R
2
tinggi tetapi tidak banyak variabel yang signifikan dari Uji t e.
Terkadang nilai taksiran koefesien yang didapat akan mempunyai nilai yang tidak sesuai dengan substansi, sehingga dapat menyesatkan interprestasi
Dengan menggunakan program Eviews versi 5,1, ada atau tidaknya gejala multikolinearitas pada model analisis yang digunakan pada penelitian ini adalah dengan
membandingkan nilai R² Model dengan nilai R² menurut persamaan berikut : 1 LOG MK = a + b Log LT + c Log JP + d Log JO
2 LOG LT = a + b Log MK + c Log JP + d Log JO 3 LOG JP = a + b Log LT + c Log MK + d Log JO
4 LOG JO = a + b Log LT + c Log JP + d Log MK Apabila R² menurut persamaan diatas tidak ada yang lebih besar dari R² model, maka
model yang dipalao bebas dari pelanggaran multikolinieritas.
3.9.2. Uji Heterokedastisitas
Untuk mendapatkan model terbaik, yaitu yang mempunyai daya penjelas yang tinggi dan mempunyai daya kemampuan untuk memprediksi yang baik, maka model
tersebut harus bebas dari masalah heterokesdatisitas, multikolinearitas, ketidaknormalan data, dan autokorelasi. Uji ini dilakukan atas variabel yang digunkan dalam menguji
hipotesis kedua yang menggunakan regresi linear. Salah satu asumsi pokok dalam model regresi linear klasik adalah
homokedastisitas atau varian yang sama. Salah satu metode yang dapat digunakan ada
Universitas Sumatera Utara
tidaknya heterokedastisitas dalam satu varian error term suatu model regresi adalah metode Park. Heterokedastisitas dan Uji white dalam penelitian ini dideteksi dengan uji
white heterocedasticity.
3.9.3. Uji Normalitas Data
