Uji Asumsi Klasik Uji Linearitas

METODOLOGI PENELITIAN

D. Metode Analisis Data

1. Uji Asumsi Klasik Uji Linearitas

Untuk mengetahui suatu model linier atau tidak, dapat dilakukan dengan cara Uji JB Ramsey (RESET), yaitu suatu pengujian yang dikembangkan oleh

ataudikenal dengan sebutan uji kesalahan spesifikasi regresi (Regression Specification Error Test= RESET) (Widarjono, 2009:170).

Dalam pengujian Ramsey (RESET) ini, yang perlu diperhatikan adalah nilai F hitung, dengan hipotesis :

H0^{= Model tidak linier}

Ha^{= Model linier}

Apabila nilai F hitung lebih besar dari nilai F kritisnya pada α tertentu berarti signifikan, maka hipotesis H0 ^{diterima, artinya model kurang tepat atau tidak}

linier.Sebaliknya, apabila nilai F hitung lebih kecil dari nilai F kritisnya pada α tertentu, berarti tidak signifikan dan menolak hipotesis H0 yang menyatakan bahwa model tidak linier.

Selain itu, Pengambilan keputusan juga dapat dilakukan dengan melihat nilai probabilitas Obs* R², yaitu sebagai berikut :

1. Bila probabilitas Obs* R²> 0,05 maka signifikan, dan menolak H0

dengan demikian model dikatakan linier.

2. Bila probabilitas Obs* R²< 0,05 maka tidak signifikan dan menerima H0^{, maka model tidak linier.}

2. Uji Normalitas.

Uji normalitas bertujuan untuk menguji apakah dalam model regresi variable pengganggu atau residual memiliki distribusi normal.Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi

normal, jika asumsi ini dilanggar maka uji statistik menjadi tidak valid (Ghozali, 2001).

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak.Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal.Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya.Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel.Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian.

http:/ / khansamhamnida.wordpress.com. Langkah pengujian sebagai berikut: Hipotesis

H0 : model normal Ha ^{: model tidak normal}

Pengambilan keputusan dilakukan dengan kriteria :

- jika probabilitas OBS*R²>0,05 siginifikan H0 diterima - jika probabilitas OBS*R²<0,05 tidak signifikan H0 ^ditolak

Artinya adalah apabila probabilitas OBS*R² lebih besar dari 0,05 maka model tersebut dikatakan normal. Apabila OBS*R²lebih kecil dari 0,05 maka model tersebut dikatakan tidak normal (Winarno, 2009:37).

3. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variable bebas.Model regresi yang baik seharusnya tidak terjadi korelasi diantara variable independen. Jika variable independen saling berkolerasi maka variable-variabel ini tidak orthogonal atau nilai korelasi antar sesama variable independen sama dengan nol (Ghozali, 2001:67).

Uji multikolinearitas bermaksud untuk membuktikan atau menguji ada tidaknya hubungan linear antara variabel bebas (independent) satu dengan variabel lainnya (Gujarati, 2006:).

Uji miltikolinearitas dilakukan untuk melihat apakah ada korelasi antara variabel independen pada model regresi.Korelasi antara variabel independen sebaiknya kecil (Nisfiannoor, 2009:91).

Deteksi adanyamultikolinearitas:

1. Nilai R² sangat tinggi, tetapi secara sendiri-sendiri regresi antara variabel-variabel independen tidat signifikan

2. Korelasi antar variabel-variabel independen sangat tinggi.

Pengujian multikolinearitas dilakukan dengan menggunakan matriks korelasi (correlation matrix).

Langkah pengujian sebagai berikut : Hipotesis

H0 ^{: model bersifat multikonearitas}

Ha : model tidak bersifat multikonearitas Pengambilan keputusan dilakukan dengan kriteria :

 apabila hubungan x1^{dan x}2 ^{> 0.85 H}0^diterima

 apabila hubungan x1^{dan x}2 ^{< 0.85 H}0^ditolak

Artinya adalah apabila hubungan antara variabel x1dan x2 lebih dari 0, 85 maka model yang tersebut memiliki sifat multikolinearitas. Apabila hubungan antara variabel x1 ^{dan x}2 ^{kurang dari 0,85 maka model yang tersebut tidak}

memilki sifat multikolinearitas (Widarjono, 2009:106). 4. Uji Heteroskedastisitas

Uji heterokdastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2001).

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah regresi terjadi ketidaksamaan varian dari residual dari suatu pengamatan ke pengamatan lain (Gujarati, 2006:82).

Data yang diharapkan adalah memiliki varians yang sama, dan disebut homoskedastisitas. Sedangkan jika data tersebut memiliki varians yang berbeda

Pendeteksian heteroskedastisitas dapat dilakukan melalui uji white karena uji tersebut mudah untuk diterapkan (Gujarati, 2006:94).

Langkah pengujian sebagai berikut: Hipotesis

H0 ^{: model terdapat heterokesdastisitas}

Ha ^{: model tidak terdapat heterokesdastisitas}

Pengambilan keputusan dilakukan dengan kriteria :

- jika probabilitas OBS*R²>0,05 siginifikan H0 ^ditolak

-jika probabilitas OBS*R²<0,05 tidak signifikan H0 ^diterima

Artinya adalah apabila probabilitas OBS*R² lebih besar dari 0,05 maka model tersebut tidak terdapat heteroskedastisitas. Apabila OBS*R²lebih kecil dari 0,05 maka model tersebut terdapat heteroskedastisitas (Winarno, 2009:15). 5. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1(sebelumnya) jika terjadi korelasi maka dinamakan ada problem aotokorelasi (Ghozali, 2001:76).

Autokorelasi bertujuan untuk mengetahui apakah dalan sebuah model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan pada priode t –i (sebelumnya). Tentu saja model regresi yang baik adalah regresi bebas dari autokerelasi (Gujarati, 2006:112).

Sejalan dengan keterangan lainnya yang mengatakan bahwa uji autokorelasi dilakukan untuk mengetahui apakah ada korelasi antara kesalahan pengganggu pada priode t dengan kesalahan priode t sebelumnya pada model regresi linear yang dipergunakan.Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.Dalam model regresi yang baik adalah tidak terjadi korelasi (Nisfiannor, 2009:92).

Apabila data yang kita analisis mengandung autokorelasi, maka estimator yang kita dapatkan memiliki karakteristik berikut ini: (i) Estimator metode kuadrat terkecil masih linear, (ii) Estimator metode kuadrat terkecil masih tidak bias, (iii) Estimator metode kuadrat terkecil tidak mempunyai varian yang minimum. Dengan demikian autokorelasi akan menyebabkan estimator hanya bersifat LUE, tidak lagi BLUE (Best Linear Unbias Estimate) (Winarno, 2009:27).

Dalam mendeteksi permasalahan autokorelasi bisa menggunakan Uji Breusch-Godfrey (BG). Nama lain uji ini adalah Uji lagrange-Multiplier (Pengganda Lagrange). (Winarno, 2007:29)

Langkah-langkah pengujian. Hipotesis

H0 : model terdapat autokorelasi Ha ^{: model tidak terdapat autokorelasi}

Artinya adalah nilai prob X² (2) lebih besar dari 0.05 maka model dalam penelitian terbebas masalah autokorelasi.Sebaliknya, jika nilai prob. X² lebih kecil dari 0.05 maka model dalam penelitian terbebas masalah autokorelasi. (Winarno, 2009:30)