47
tertentu FEM atau REM berdasarkan Hausman Test, maka kita dapat melakukan uji terhadap asumsi yang digunakan dalam model.
a. Uji Homoskedastisitas
Salah satu aumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE Best Linier
Unbiased Estimate maka var u
i
harus sama dengan
2
konstan, atau semua residual atau error mempunyai varians yang sama. Kondisi ini disebut dengan
homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut heteroskedastisitas.
Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode General Least Square Cross Section Weights yaitu
dengan membandingkan Sum Square Residu pada Weighted Statistics dengan Sum Square Residu Unweighted Statistics
. Jika Sum Square Residu pada Weighted Statistics
lebih besar dari Sum Square Residu Unweighted Statistics, maka terjadi heteroskedastisitas.
b. Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu peubah atau korelasi antar error masa yang lalu dengan error masa sekarang.Uji
autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan.Autokorelasi dapat mempengaruhi efisiensi dari estimatornya. Tata
cara untuk mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson
DW. Cara untuk melihat ada tidaknya autokorelasi dilakukan dengan membandingkan DW statistik dengan DW tabel. Adapun kerangka identifikasi
terangkum dalam tabel berikut. Korelasi serial ditemukan jika error dari periode waktu yang berbeda saling berkorelasi. Hal ini bisa dideteksi dengan melihat pola
random error dari hasil regresi. Tabel 3. Kerangka identifikasi autokorelasi
Nilai DW Hasil
4 – dl DW 4
4 – du DW 4 – dl
2 DW 4 – du
Du DW 2 dl DW du
0 DW dl Terdapat korelasi serial regresi
Hasil tidak dapat ditentukan Tidak ada korelasi serial
Tidak ada korelasi serial Hasil tidak dapat ditentukan
Terdapat korelasi serial regresi
Sumber: Gujarati,2004
48
3.2.2.3 Evaluasi Model a Uji-F
Uji-F digunakan untuk melakukan uji hipotesis koefisien slope regresi secara bersamaan. Jika nilai probabilitas F-statistic taraf nyata, maka tolak H
dan itu artinya minimal ada satu peubah bebas yang berpengaruh nyata terhadap peubah terikat, dan berlaku sebaliknya.
b. Uji-t
Setelah melakukan uji koefisien regresi secara keseluruhan, maka langkah selanjutnya adalah menghitung koefisien regresi secara individu dengan
menggunakan uji-t. Hipotesis pada uji-t adalah: H
: β
i
= 0 H
1
: β
i
≠ 0 Jika t-hitung t-tabel maka tolah H
yang berarti peubah bebas secara statistik nyata pada taraf nyata yang telah ditentukan dalam penelitian dan
berlaku hal yang sebaliknya. Jika nilai probabilitas t-statistik taraf nyata, maka tolak H
dan berarti bahwa peubah bebas nyata secara statitik.
c. Koefisien Determinasi R
2
Koefisien determinasi Goodness of Fit merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik atau tidaknya model
regresi yang terestimasi. Nilai R
2
mencerminkan seberapa besar variasi daripeubah terikat Ydapat diterangkan oleh peubah bebas X. Jika R
2
= 0, maka variasi Y tidak dapat diterangkan oleh X sama sekali; Jika R
2
= 1, artinya bahwa variasi dari Y secara keseluruhan dapat diterangkan oleh X.
d. Uji Normalitas
Uji normalitas dilakukan untuk memeriksa apakah error term mendekati distribusi normal atau tidak. Jika asumsi tidak terpenuhi maka prosedur pengujian
menggunakan statistik t menjadi tidak sah. Uji normalitas error term dilakukan dengan menggunakan uji Jarque Bera. Berdasarkan nilai probabilitas Jarque Bera