diantaranya adalah uji regresi OLS Ordinary least Square, dimana distribusi sampling dari regresi OLS tergantung pada distribusi residual e, apabila residual
e berdistribusi normal dengan sendirinya bo dan b
1
juga berdistribusi normal. Gujarati, 1995:66. Komponen penganggu e harus tersebar mengikuti sebaran
normal dengan nilai tengah = 0 dengan varaian sebesar σ
2
. Uji normalitas dapat dilakukan dengan berbagai metode diantaranya adalah Kolmogorov Smirnov.
Dalam regresi OLS b dan b
1
adalah fungsi linier dari Y dan Y adalah fungsi linier dari u
I
residual.
3.4.2. Uji Autokorelasi
Salah satu asumsi penting dari model asumsi klasik adalah bahwa kesalahan atau gangguan yang berhubungan dengan observasi tidak berkolerasi
atau tidak dipengaruhi oleh kesalahan atau gangguan yang berhubungan dengan pengamatan lain yang manapun. Autokolerasi ini bertujuan untuk mengetahui
apakah kesalahan penggangu pada periode tertentu berkolerasi dengan kesalahan penggangu pada periode lainnya. Autokorelasi menunjukkan adanya kondisi yang
berurutan di antara gangguan atau disturbansi ui atau ei yang masuk ke dalam fungsi regresi Gujarati, 1995 dalam Meythi 2006. Dalam penelitian ini terjadi
atau tidaknya autokorelasi diuji dengan menggunakan Durbin-Watson. Secara umum dengan menggunakan angka Durbin-Watson bisa diambil
patokan kriteria penilaian bebas atau tidaknya dari uji autokorelasi Santoso 2000 dalam Meythi 2006, yakni:
1 Angka D-W di bawah -2 berarti ada autokorelasi positif ,
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2 Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi
3 Angka D-W di atas +2 berarti ada autokorelasi.
3.4.3. Uji Multikolinieritas
Uji asumsi multikolinieritas digunakan untuk menunjukkan adanya hubungan linier antara variabel-variabel bebas dalam suatu model regresi. Salah
satu cara yang digunakan untuk mengetahui ada tidaknya multikolinieritas yaitu dengan melihat besarnya nilai Variance Inflation Factor VIF. Tolerance
mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh
variabel bebas lainnya. Nilai cut off yang umum dipakai adalah nilai tolerance 0,10 atau sama dengan nilai VIF dibawah 10. Setiap peneliti harus
menentukan tingkat kolonieritas yang masih dapat dia tolerir Ghozali, 2001 : 57.
3.4.4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual atau pengamatan ke pengamatan
lainnya. Kebanyakan data cross section mengandung situasi heteroskedastisitas, karena ini mengimpun data yang terwakili berbagai ukuran kecil, sedang, dan
besar. Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas
adalah dengan cara menggunakan uji Rank Spearman yaitu dengan membandingkan antara residual dengan seluruh variabel bebas. Mendeteksi
adanya heteroskedastisitas adalah sebagai berikut Gujarati, 1999 : 177 : a.
Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas b.
Nilai probabilitas 0,05 berarti terkena heteroskedastisitas
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4.5. Teknik Analisis Data
