Uji A l sumsi Kla l sik

Da^lla^lm penelitia^ln ini model estima^lsi ya^lng diha^lra^lpka^ln da^lpa^lt menga^lna^llisis hubunga^ln a^lnta^lra^l va^lria^lbel dependen da^ln va^lria^lbel independen sehingga^l di da^lpa^lt model penelitia^ln ya^lng terba^lik denga^ln teknik-teknik a^lna^llisis seperti ya^lng tela^lh diura^lika^ln di a^lta^ls. Uji a^lsumsi kla^lsik ya^lng diguna^lka^ln da^lla^lm regresi linier denga^ln pendeka^lta^ln Ordina^lry Lea^lst Squa^lred OLS meliputi uji Linierita^ls, A^lutokorela^lsi, Heteroskeda^lstisita^ls, Multikolinierita^ls da^ln Norma^llita^ls. Uji Linierita^ls ha^lmpir tida^lk dila^lkuka^ln pa^lda^l setia^lp model regresi linier. Ka^lrena^l suda^lh dia^lsumsika^ln ba^lhwa^l model bersifa^lt linier. Ka^lla^lupun ha^lrus dila^lkuka^ln sema^lta^l-ma^lta^l untuk meliha^lt seja^luh ma^lna^l tingka^lt linierita^lsnya^l. Uji A^lutokorela^lsi ha^lnya^l terja^ldi pa^lda^l da^lta^l time series. Pengujia^ln a^lutokorela^lsi pa^lda^l da^lta^l ya^lng tida^lk bersifa^lt time series cross section a^lta^lu pa^lnel menja^ldi tida^lk bera^lrti. ⁸³

Ghoza^lli berpenda^lpa^lt⁸⁴ da^lla^lm model regresi linier a^lda^l bebera^lpa^l a^lsumsi ya^lng ha^lrus dipenuhi a^lga^lr ha^lsil estima^lsi efisien tida^lk terja^ldi penyimpa^lnga^ln da^ln memberika^ln informa^lsi ya^lng sesua^li denga^ln kea^lda^la^ln nya^lta^l. Ha^ll ini juga^l a^lga^lr model regresinya^l bersifa^lt BLUE (Best Linier Unbia^lsed Estima^lted). Untuk memenuhi sya^lra^lt ya^lng suda^lh dutentuka^ln sehingga^l pengguna^la^ln model penelitia^ln, diperluka^ln pengujia^ln a^lta^ls bebra^lpa^l a^lsumsi kla^lsik ya^lng diguna^lka^ln, seba^lga^li berikut:

a) Uji Norma^llita^ls

Uji norma^llita^ls diguna^lka^ln untuk mengeta^lhui sua^ltu popula^lsi sua^ltu da^lta^l da^lpa^lt dila^lkuka^ln denga^ln a^lna^llisis gra^lfik, sa^lla^lh sa^ltu ca^lra^l termuda^lh untuk

83 Ibid., hlm. 13

84 Ibid., hlm. 143

meliha^lt norma^llita^ls residua^ll a^lda^lla^lh denga^ln meliha^lt gra^lfik histogra^lm da^ln norma^llita^ls residua^ll a^lda^lla^lh denga^ln meliha^lt gra^lfik histrogra^lm da^ln norma^ll proba^lbility plot ya^lng memba^lndingka^ln distribusi kumula^ltif da^lri da^lta^l sesungguhnya^l denga^ln distribusi kumula^ltif da^lri distribusi norma^ll. Jika^l distribusi da^lta^l residua^ll norma^ll, ma^lka^l ga^lris ya^lng mengga^lmba^lrka^ln da^lta^l sesungguhnya^l a^lka^ln mengikuti ga^lris dia^lgona^llnya^l. Model regresi ya^lng ba^lik a^lda^lla^lh memiliki distribusi norma^ll a^lta^lu mendeka^lti norma^ll.⁸⁵

Tujua^ln uji norma^llita^ls a^lda^lla^lh untuk menguji a^lpa^lka^lh model regresi, va^lria^lbel pengga^lnggu a^lta^lu residua^ll memiliki distribusi norma^ll. Pengujia^ln norma^llita^ls dila^lkuka^ln denga^ln pengujia^ln Ja^lrque Bera^l Test a^lta^lu JB test, uji ini merupa^lka^ln uji norma^llita^ls denga^ln berda^lsa^lrka^ln pa^lda^l koefisien keruncinga^ln (kurtosis) da^ln koefisien kemiringa^ln (skewness). Uji ini dila^lkuka^ln denga^ln memba^lndingka^ln sta^ltistik JB (Ja^lrque-Bera^l) denga^ln nila^li C² ta^lbel. Jika^l nila^li JB (Ja^lrque-Bera^l) ≤ C² ta^lbel ma^lka^l nila^li residua^ll tersta^lnda^lrisa^lsi dinya^lta^lka^ln berdistribusi norma^ll. Hipotesis ya^lng dikemuka^lka^ln:⁸⁶

Ho = da^lta^l residua^ll berdistribusi norma^ll (A^lsymp. Sig > 0,05) Ha^l = da^lta^l residua^ll tida^lk berdistribusi norma^ll (A^lsymp. Sig < 0,05)

Uji norma^llita^ls diguna^lka^ln untuk mengeta^lhui a^lpa^lka^lh da^lta^l ya^lng disa^ljika^ln untuk dia^lna^llisis lebih la^lnjut berdistribusi norma^ll a^lta^lu tida^lk. Model regresi ya^lng ba^lik henda^lknya^l berdistribusi norma^ll a^lta^lupun mendeka^lti norma^ll.

Pa^lda^l Penelitia^ln ini, uji norma^llita^ls diukur mela^llui JB (Ja^lrque-Bera^l) serta^l

85 Ibid., hlm.147

86 Ibid., hlm.148

Histogra^lm Norma^llity Test pa^lda^l progra^lm SPSS. Distribusi da^lta^l da^lpa^lt dilinila^li norma^ll a^lta^lu tida^lk, denga^ln meliha^lt nila^li proba^lbility Histogra^lm Norma^llity Test.

b) Uji Multikolinierita^ls

Uji Multikolineirita^ls bertujua^ln untuk mengeta^lhui a^lpa^lka^lh da^lla^lm model regresi, va^lria^lbel-va^lria^lbel independen sa^lling berkorela^lsi. Model regresi ya^lng ba^lik seha^lrusnya^l tida^lk terja^ldi korela^lsi dia^lnta^lra^l va^lria^lbel independen.⁸⁷ Jika^l a^lnta^lr va^lria^lbel beba^ls berkorela^lsi denga^ln sempurna^l ma^lka^l disebut multikolinea^lrita^lsnya^l sempurna^l (perfect multicolinia^lrity), ya^lng bera^lrti model kua^ldra^lt terkecil tersebut tida^lk da^lpa^lt diguna^lka^ln. Sa^lla^lh sa^ltu ca^lra^l untuk mengeta^lhuia^lda^l tida^lknya^l multikolinea^lrita^ls pa^lda^l sua^ltu model regresi a^lda^lla^lh denga^ln meliha^ltnila^li tolera^lnce da^ln VIF (Va^lria^lnce Infla^ltion Fa^lctor), ya^litu :⁸⁸ 1. Jika^l nila^li tolera^lnce > 0.10 da^ln VIF < 10, ma^lka^l da^lpa^lt dia^lrtika^ln ba^lhwa^l tida^lk

terda^lpa^lt multikolinea^lrita^ls pa^lda^l penelitia^ln tersebut.

2. Jika^l nila^li tolera^lnce < 0.10 da^ln VIF > 10, ma^lka^l da^lpa^lt dia^lrtika^ln ba^lhwa^l terja^ldi ga^lnggua^ln multikolinea^lrita^ls pa^lda^l penelitia^ln tersebut.

c) Uji A^lutokolera^lsi

A^lutokorela^lsia^lda^lla^lh kea^lda^la^ln dima^lna^l teja^ldinya^l korela^lsi a^lnta^lra^l residua^ll pa^lda^l sa^ltu penga^lma^lta^ln denga^ln penga^lma^lta^ln la^lin pa^lda^l model regresi.

Uji a^lutokorela^lsi diguna^lka^ln untuk mengeta^lhui a^lda^l a^lta^lu tida^lknya^l korela^lsi ya^lng terja^ldi a^lnta^lra^l residua^ll pa^lda^l sa^la^lt penga^lma^lta^ln denga^ln penga^lma^lta^ln la^lin

87 Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, (Semarang: Badan Penerbit Univesitas Diponegoro), hlm.147

88 Ibid., hlm.42

pa^lda^l model regresi. Metode pengujia^ln mengguna^lka^ln uji Durbin-Wa^ltson (uji DW) denga^ln ketentua^ln seba^lga^li berikut:⁸⁹

3. Jika^l d lebih kecil da^lri dl a^lta^lu lebih besa^lr da^lri (4-DL), ma^lka^l hipotesis nol ditola^lk, ya^lng bera^lrti terda^lpa^lt a^lutokorela^lsi.

4. Jika^l d terleta^lk a^lnta^lra^l du da^ln a^lta^lu dia^lnta^lra^l (4-DU), ma^lka^l hipotesis nol diterima^l, ya^lng bera^lrti tida^lk a^lda^l a^lutokorela^lsi.

5. Jika^l d terleta^lk a^lnta^lra^l dl da^ln du a^lta^lu dia^lnta^lra^l (4-DU) da^ln (4-DL), ma^lka^l tida^lk mengha^lsilka^ln kesimpula^ln ya^lng pa^lsti.

d) Uji Heteroskeda^lstisita^ls

Heteroskeda^lstisita^ls⁹⁰ a^lda^lla^lh kea^lda^la^ln dima^lna^l terja^ldi ketida^lksa^lma^la^ln va^lria^ln da^lri residua^ll untuk semua^l penga^lma^lta^ln pa^lda^l model regresi. Uji heteroskeda^lstisita^ls diguna^lka^ln untuk mengeta^lhui a^lda^l a^lta^lu tida^lknya^l ketida^lksa^lma^la^ln va^lria^ln da^lri residua^ll pa^lda^l model regresi. Pra^lsya^lra^lt ya^lng ha^lrus terpenuhi da^lla^lm model regresi a^lda^lla^lh tida^lk a^lda^lnya^l ma^lsa^lla^lh hteroskeda^lstisita^ls.

Uji heterokeda^lstisita^ls diguna^lka^ln untuk mengeta^lhui a^lpa^lka^lh model regresi tersebut terja^ldi ketida^lksa^lma^la^ln va^lria^lns da^lri penga^lma^lta^ln sa^ltu denga^ln penga^lma^lta^ln la^linnya^l. A^lda^lpun uji heterokeda^lstisita^ls ya^lng diha^lra^lpka^ln a^lda^lla^lh tida^lk terja^ldinya^l heterokeda^lstisita^ls. Pa^lda^l uji heterokeda^lstisita^ls da^lla^lm penelitia^ln ini mengguna^lka^ln metode “Pa^lrk” denga^ln ketentua^ln nila^li t hitung < nila^li t ta^lbel.

89 Duwi Priyatno, Paham Analisa Statistik Data dengan SPSS, (Yogyakarta: Mediakom, 2010), hlm. 87

90 Duwi Priyatno, , hlm. 84