- Log X
2
= b + Log b
1
X
1
+ e; R
2
x
2
. x
1
3. Apabila diperoleh R
2
x
i
R
2
7.3. Heteroskedastisitas Heteroscedasticity
, berarti terdapat masalah kolinearitas ganda.
Heteroskedastisitas terjadi apabila variasi residual e
i
atau e
t
tidak konstan atau berubah-ubah seiring dengan berubahnya nilai variabel independen.
Konsekuensi dari keberadaan heteroskedastisitas adalah metode regresi OLS akan menghasilkan estimator yang bias untuk nilai variasi residual dan dengan
demikian variasi dari koefisien regresi. Akibatnya uji t, uji F dan estimasi nilai variabel dependen menjadi tidak valid Supranto, 1984.
Pengujian terbaik yang dilakukan mengetahui ada tidaknya masalah heteroskedastisitas adalah melalui Uji White yang diperkenalkan oleh H. White
pada tahun 1980. Tahapan formulasi Uji White dengan menggunakan Eviews 6 adalah sebagai berikut Brooks, 2008 :
1. Formulasi hipotesa.
- H
:
ρ
= 0, tidak terdapat masalah heteroskedastisitas dalam model. -
H
a
:
ρ
≠ 0, terdapat masalah heteroskedastisitas dalam model. 3.
Menentukan tingkat signifikansi α, misalnya digunakan α = 0,05. 4.
Menentukan kriteria pengujian. -
H -
H diterima apabila Nilai Probabil
itas χ2 α.
a
5. Kesimpulan.
diterima apabila Nilai Probabilitas χ2 ≤ α.
7.4. Korelasi SerialOtokorelasi Serial CorrelationAutocorrelation
Istilah otokorelasi autocorrelation, menurut Maurice G. Kendall and William R. Buckland, A. Dictionary Statistical Terms: “Correlation between
members of series of observations ordered in time as in time series data, or space as in cross sectional data.” Jadi, otokorelasi merupakan korelasi antara
anggota seri observasi yang disusun menurut urutan waktu seperti data time series atau menurut urutan tempatruang seperti data cross section, atau korelasi
pada dirinya sendiri Supranto, 1984. Otokorelasi terjadi apabila nilai variabel masa lalu memiliki pengaruh
terhadap nilai variabel masa kini, atau masa datang. Konsekuensi dari keberadaan otokorelasi adalah metode regresi OLS akan menghasilkan estimasi yang terlalu
rendah untuk nilai variasi e
t
dan karenanya menghasilkan estimasi yang terlalu tinggi untuk R
2
. Bahkan ketika estimasi nilai variasi e
t
tidak terlalu rendah, maka estimasi dari nilai variasi dari koefisien regresi mungkin akan terlalu rendah dan
karenanya akan signifikansi dari uji t dan uji F tidak valid lagi atau menghasilkan konklusi atau kesimpulan yang menyesatkan Supranto, 1984.
Pengujian terbaik yang dilakukan mengetahui ada tidaknya kolinearitas ganda adalah melalui Uji Breusch–Godfrey BG yang diperkenalkan oleh T.S.
Breusch dan L.G. Godfrey pada tahun 1978, mengingat Uji Durbin–Watson DW merupakan uji yang paling lemah dikarenakan: 1 terdapat wilayah ragu-ragu, 2
tidak dapat dipakai untuk model yang mengandung lag variabel dependen, dan 3 hanya dapat digunakan untuk kasus otokorelasi t–1.Tahapan formulasi Uji
Breusch-Godfrey BG dengan menggunakan Eviews 6 adalah sebagai berikut Brooks, 2008 :
1. Formulasi hipotesa.
- H
:
ρ
= 0, tidak terdapat masalah korelasi serialotokorelasi dalam model. -
H
a
:
ρ
≠ 0, terdapat masalah korelasi serialotokorelasi dalam model. 3.
Menentukan tingkat signifikansi α, misalnya digunakan α = 0,05. 4.
Menentukan kriteria pengujian. -
H -
H diterima apabila Nilai Probabilitas
χ2 α.
a
5. Kesimpulan.
diterima apabila Nilai Probabilitas χ2 ≤ α.
9. Definisi Operasional
