Uji Autokorelasi Uji Heteroskedastisitas

3.3.2. Uji Kriteria Ekonometrika

Dalam melakukan estimasi persamaan linear dengan menggunakan metode OLS maka asumsi-asumsi dari OLS harus dipenuhi. Jika asumsi tidak terpenuhi maka tidak menghasilkan nilai parameter yang BLUE Best Linear Unbiased Estomator . Asumsi-asumsi yang dimaksud adalah: 1. Nilai harapan dari rata-rata kesalahan adalah nol. 2. Variansnya tetap homoskedastisitas. 3. Tidak ada hubungan antara variabel bebas dan error term. 4. Tidak ada korelasi serial antara error tidak ada autokorelasi. 5. Pada regresi linear berganda tidak terjadi hubungan antar variabel bebas tidak ada multikolinieritas.

3.3.2.1. Uji Autokorelasi

Autokorelasi adalah korelasi antara kesalahan error term tahun t dengan kesalahan tahun t-1. Salah satu asumsi dasar dari penerapan motode regresi dengan kuadrat terkecil adalah tidak adanya korelasi antar error term. Adanya masalah autokorelasi akan menghasilkan hasil estimasi koefisien yang konsisten dan tidak bias tetapi dengan varian yang besar, atau dengan perkataan lain hasil penafsiran tidak efisien. Nilai standar error hasil estimasi OLS Ordinary Least Square akan lebih kecil dibandingkan dengan standar error yang sebenarnya, sehingga cenderung untuk menolak hipotesis nol. Salah satu cara untuk mendeteksi adanya autokorelasi adalah dengan menggunakan uji Breusch Godfrey Serial Corelation LM Test yang sudah tersedia pada program Eviews versi 4.1. Apabila nilai probabilitas dari uji Breusch Godfrey Serial Corelation LM Test lebih besar dari taraf nyata maka dapat disimpulkan bahwa dalam persamaan tersebut tidak terdapat masalah autokorelasi. Salah satu cara untuk mengatasi masalah autokorelasi yaitu dengan menambahkan variabel ARn. Mekanisme penambahannya yaitu dimulai dengan AR1, AR2, dan seterusnya sampai didapatkan model yang terbaik.

3.3.2.2. Uji Heteroskedastisitas

Asumsi yang dipakai dalam penerapan model regresi linier adalah variansnya konstan. Heteroskedastisitas adalah keadaan dimana asumsi di atas tidak tercapai. Dampak adanya heteroskedastisitas adalah tidak efisiennya proses estimasi, sementara hasil estimasinya sendiri tetap konsisten dan tidak bias. Masalah heteroskedastisitas ini akan mengakibatkan hasil uji t dan F dapat menjadi tidak berguna misleading. Uji heteroskedastisitas, pada penelitian ini, diterapkan dengan menggunakan white heteroskedasticity yang tersedia pada program E-views 4.1. Apabila nilai probabilitas dari uji white heteroskedasticity lebih besar dari taraf nyata maka dapat disimpulkan bahwa pada persamaan tersebut tidak terdapat masalah heteroskedastisitas.

3.3.2.3. Uji Multikolinieritas