Uji Asumsi Klasik

Seperti yang telah dijelaskan pada bab sebelumnya bahwabBerdasarkan beberapa

pendapat para ahli tersebut, maka kesimpulannya adalah bahwa Uji Prasyarat Analsis Jalur
adalah sebagai berikut:
a. Uji Normalitas
b. Uji Multikolinearitas
c. Uji Linearitas
d. Uji Autokorelasi (bisa diabaikan apabila datanya cross section)

Uji Normalitas

5
Series: Residuals
Sample 2007 2016
4 Observations 10

Mean -1.88e-16
3 Median 0.005770
Maximum 0.185734
Minimum -0.363593
2 Std. Dev. 0.180361
Skewness -0.707102
Kurtosis 2.578909
1
Jarque-Bera 0.907205
Probability 0.635335
0
-0.4 -0.3 -0.2 -0.1 -0.0 0.1 0.2

Dari hasil diatas penjabarannya adalah sebagaimana berikut ini:

o Ho : error term terdistribusi normal
o H1 : error term tidak terdistribusi normal
o Jika p-value < ɑ, maka Ho ditolak
o Karena p value = 0,635335> 0,1, maka H0 diterima
 Kesimpulannya adalah dengan tingkat keyakinan 90%, dapat dikatakan bahwa error term
terdistribusi normal
Uji Multikolinieritas.

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 4.201 .755 5.565 .001
LNBIRATE -.528 .223 -.600 -2.365 .056 .916 1.092
LNBM .250 .142 1.112 1.753 .130 .147 6.818
LNPK -.240 .119 -1.265 -2.026 .089 .151 6.611
a. Dependent Variable: LNGROWTH

Dari hasil diatas dalam rangka menguji ada tidaknya multi kolinieritas dilakukan dengan cara
mengkombinasikan nilai tolerance dan VIF. Maka, penjabarannya adalah sebagaimana berikut
ini:
a. Melihat nilai tolerance
o Jika nilai tolerance lebih besar dari 0,10 maka tidak terjadi multikolinieritas
o Jika nilai tolerance lebih kecil atau sama dengan dari 0,10, maka terjadi
multikolinieritas
b. Melihat nilai VIF
o Jika nilai VIF lebih kecil dari 10,00 maka tidak terjadi multikolinieritas
o ika nilai VIF lebih besar dari 10,00 maka terjadi multikolinieritas
Dari hasil diatas ditemukan bahwa dari nilai tolerance kesuluruhan memiliki nilai diatas 0,10
dan dari nilai VIF memiliki nilai dibawah 10,00. Dengan demikian tidak terjadi multikolinieritas
pada data yang digunakan.
Uji Autokorelasi

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .171 .326 .523 .620
LNBIRATE -.026 .096 -.112 -.267 .799
LNBM .003 .062 .054 .051 .961
LNPK -.011 .051 -.229 -.222 .832
a. Dependent Variable: abs_ut

Dalam uji autokorelasi adalah dengan membandingkan nilai Sig > 0,05, maka tidak ada
autokorelasi, sehingga berdasarkan data diatas nilai sig menunjukan nilai diatas 0,05 sehingga
tidak terjadi autokorelasi. Sebagai perbandingan uji autokorelasi dapat dilakukan pula dengan uji
LM sebagaimana berikut ini.

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1.761529    Prob. F(2,4) 0.2827

Obs*R-squared 4.683013    Prob. Chi-Square(2) 0.0962

Asumsi yang dipakai untuk uji LM adalah sebagai berikut:

Ho : tidak ada korelasi serial
H1 : ada korelasi serial
Jika p-value obs*-square < ɑ, maka Ho ditolak
Karena p value -obs*-square = 0,0962 > 0,01, maka H0 diterima, sehingga kesimpulannya
adalah dengan tingkat keyakinan 90%, dapat dikatakan bahwa tidak terdapat autokorelasi dalam
model regresi.
Uji Linieritas

Asumsi yang dipakai untuk uji linieritas menggunakan Curve Estimation pada SPSS dengan
cara membandingkan tingkat signifikansi antara variabel independen dan dependen secara satu
persatu adalah sebagai berikut:
o Ho : tidak ada permasalahan linieritas
o H1 : ada Linieritas
o Jika sig < ɑ, maka Ho ditolak
o ɑ : 0,05
Dikarenakan seluruh variabel independen memiliki sig > 0,05, maka Ho diterima, sehingga
kesimpulannya adalah dengan tingkat keyakinan 95%, dapat dikatakan bahwa tidak terdapat
linieritas dalam model regresi.