Pada pengujian normalitas data menggunakan command swilk dapat disimpulkan bahwa data yang
digunakan tidak normal sebab nilai probability bernilai kurang dari 0,05 dapat diatasi dengan cara
menambahkan data-data yang digunakan dalam uji normalitas ini.
3. Uji Multikoleniaritas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi
yang tinggi atau sempurna antar variabel independen. Model regresi yang baik seharusnya tidak terjadi
korelasi di antara variabel independen.
Untuk menemukan terdapat atau tidaknya multikolinearitas pada model regresi dapat diketahui dari
nilai toleransi dan nilai variance inflation factor (VIF). Nilai Tolerance mengukur variabilitas dari
variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance
rendah sama dengan nilai VIF tinggi, dikarenakan VIF = 1/tolerance, dan menunjukkan terdapat
kolinearitas yang tinggi. Nilai cut off yang digunakan adalah untuk nilai tolerance 0,10 atau nilai VIF
diatas angka 10.
a. Vif
Berdasarkan tabel uji multikolinearitas menggunakan command VIF di STATA menunjukkan nilai VIF
yang berada di bawah 10 maka dapat dikatakan bahwa data tersebut lolos uji multikolieniaritas sebab
nilai VIF berada dibawah 10.
4. Uji Autokorelasi
Uji Autokorelasi dilakukan untuk mengetahui apakah terdapat korelasi antara kesalahan pengganggu
pada periode tertentu dengan kesalahan pengganggu pada periode sebelumnya.
Menggunakan command runtest
Pada Uji autokorelasi menggunakan command runtest di atas data tersebut dapat disimpulkan bahwa
tidak lolos uji autokorelasi sebab nilai Prob> |z| berada di bawah 0,05.
5. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke pengamatan yang lain tetap disebut homoskedastisitas, dan jika berbeda disebut
heteroskedastisitas.
a. Uji Glesjer
Berdasarkan hasil command di atas maka dapat dihasilkan bahwa nilai probabilitinya berada di atas
0,05 yaitu 0,387. Maka dapat dikatakan bahwa uji tersebut terdapat homoskedastisitas dan tidak terdapat
gejala heteroskedastisitas atau dapat dikatakan lolos uji heteroskedastisitas
b. Uji Koenker-Basset
Berdasarkan pada tabel di atas dapat kita lihat bahwa nilai P>|t| untuk yprediksi_kuadrat berada di
bawah 0,05. Maka, dapat kita simpulkan bahwa terdapat heteroskedastisitas dan tidak terdapat
homoskedastisitas (tidak lolos uji).
Analisis Uji Asumsi Klasik menggunakan EViews
1. Regresi
Terlihat pada kotak merah di atas atau nilai probability F-statistic memiliki nilai lebih dari 0,05 maka
data-data yang digunakan lolos dari uji linearitas, begitupun sebaliknya.
4. Uji Multikolinearitas
Dilakukan pada kondisi apabila regresi linier menggunakan lebih dari satu variabel independen. Salah
satu ciri adanya gejala multikolinieritas ditunjukkan dengan model yang memiliki nilai koefisien
determinasi (R2) cukup tinggi tetapi hanya sedikit variabel independen yang signifikan mempengaruhi
variabel dependen melalui uji t.
Lihat pada kolom centered VIF dan baris kemiskinan terpampang nilai sebesar satu. Berdasarkan hal
tersebut maka data-data yang digunakan lolos uji multikolinearitas.
5. Uji Autokorelasi
Dilakukan untuk mengetahui apakah terdapat korelasi antara kesalahan pengganggu pada periode
tertentu dengan kesalahan pengganggu pada periode sebelumnya.
Untuk mengetahui apakah data-data tersebut lolos uji autokorelasi maka lihat pada Prob. Chi-Square(2),
Nilai tersebut berada dibawah 0,05 yang menunjukkan terdapat autokorelasi dalam model.
6. Uji Heterokedastisitas
Dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dan residual antara
satu pengamatan ke pengamatan yang lain.
Untuk melihat apakah uji ini lolos atau tidak lihat pada prob. chi square(1) 0,3691. Dinyatakan lolos
apabila nilai berada di atas 0,05 maka pada data di atas data tidak bersifat homoskedastisitas atau tidak
terbebas dari heteroskedastisitas.