Gambar 6 : Distribusi Kriteria Penerimaan dan Penolakan Hipotesis
Sumber : Gujarati, Damodar, 1995, Ekonometrika Dasar, Penerbit Erlangga,
Jakarta, hal 79.
3.5. Asumsi Klasik
Pengujian ini dimaksudkan untuk mendeteksi ada atau tidaknya autokorelasi, mutikolinieritas, heteroskedastisitas dalam hasil estimasi,
karena apabila terjadi penyimpangan terhadap asumsi klasik tersebut, uji t dan uji F yang dilakukan sebelumnya menjadi tidak valid dan secara
statistik dapat mengacaukan kesimpulan yang diperoleh, untuk tiu dilakukan uji asumsinya.
Tujuan utama penggunaan uji asumsi klasik adalah untuk mendapatkan koefisien regresi yang terbaik, linier dan tidak bias BLUE :
Best Linear Unbiased Estimator, sifat dari BLUE adalah : a. Best : pentingnya sifat ini bila diterapkan dalam uji signifikan
baku terhadap α
dan
β
b. Linear : sifat ini dibutuhkan untuk memudahkan dalam penaksiran c. Unbiased : nilai jumlah sampel sangat besar penafsiran parameter
yang diperoleh dari sampel besar kira-kira lebih mendekati nilai parameter sebenarnya.
Daerah penerimaan H
Daerah penolakan H
Daerah penolakan H
-t
hitung
-t
tabel
t
tabel
t
hitung
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
d. Estimasi : e diharapkan sekecil mungkin 1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series0
atau data yang diambil pada waktu tertentu data cross-sectional. Untuk mengetahui ada tidaknya korelasi dapat menggunakan
metode Durbin Watson.
∑ ∑
= =
= =
−
− =
n t
1 t
2 t
n t
2 t
2 1
t t
e e
e d
Gujarati, 1999 : 215
Keterangan : d = Nilai Durbin Watson
e
t
= Residual pada waktu ke-t e
t-1
= Residual pada waktu ke t-1 satu periode sebelumnya n = Banyaknya Data
Gambar 7 : Daerah Keputusan Uji Durbin Watson
Sumber : Gujarati, Damodar, Ekonometrika Dasar, Penerbit
Erlangga, Jakarta, hal 216.
Menolak H
Bukti autokorelasi
positif Daerah
keragu- raguan
Daerah keragu-
raguan Menolak
H Bukti
autokorelasi negatif
Menerima H atau H
i,
atau kedua-duanya. d
L
d
L
2 4-d
U
4-d
L
4 A
B D
E
C
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Adanya autokorelasi ini biasanya varians dengan nilai yang lebih kecil dari nilai sebenarnya, sehingga nilai-nilai R
2
dan F
hitung
yang dihasilkan cenderung sangat berlebih overestimated. Cara mendeteksi
adanya autokorelasi adalah dengan membandingkan nilai Durbin Watson DW dengan DW tabel keputusan adanya autokorelasi
didasarkan atas: Daerah A = DW d
1
tolak H autokorelasi positif
Daerah B = d
1
DW d
U
, ragu-ragu Daerah C = d
U
DW d
U
, terima H , non autokorelasi
Daerah D = 4-d
u
DW 4-d
U
ragu-ragu Daerah E = DW 4-d
1
, ditolak H , autokorelasi negatif
Gujarati, 1999 : 217
2. Heteroskedastisitas Heteroskedastisitas adalah gejala dimana varians tidak sama atau
tidak homogen, hal ini bisa diketahui berdasarkan penguji korelasi Rank Spearman.
Koefisien Rank Spearman :
R
s
= 1 - 6 = 1
N N
di
2 2
−
∑
Sudrajat, 1988 : 198
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Keterangan : d = Selisih dalam rank antara residual dengan variabel bebas
k1 N
= Jumlah pengamatan 3. Multikolineraitas
Multikolineraitas adalah adanya hubungan yang sempurna antara semua atau beberapa variabel eksplanatori dalam model regresi yang
dikemukakan. Untuk mengetahui adanya multikolineraitas di dalam model regresi dapat dilihat dengan ciri-ciri sebagai berikut :
1. Nilai R
2
yang dihasilkan model regresi sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tinggi
signifikan mempengaruhi terhadap variabel dependen. 2.
Menganalisis matriks korelasi variabel-variabel independen. Jika antara variabel independen ada korelasi yang cukup tinggi
umumnya diatas 0,90, maka hal ini merupakan indikasi adanya miltikolinieritas.
3. Multikolinieritas dapat dilihat dari nilai tolerance an VIF. Jadi nilai
tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1Tolerance. Nilai yang digunakan untuk menunjukkan
adanya multikolinieritas adalah nilai tolerance 0,10 atau sama
dengan nilai VIF10 Sudrajat, 1988 : 167.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
