3.8. Uji Penyimpangan Asumsi Klasik.
Uji penyimpangan asumsi klasik dimaksudkan untuk mendeteksi ada tidaknya multikolineritas dan heterokedastisitas dalam hal estimasi, karena apabila
terjadi penyimpangan terhadap asumsi klasik tersebut maka uji t dan uji f yang dilakukan sebelumnya tidak valid dan secara statistik dapat mengacaukan
kesimpulan yang diperoleh.
3.8.1. Multikolineritas Multikolinearity
Multikolinearitas adalah alat untuk mengetahui suatu kondisi, apakah terdapat korelasi variabel independen diantara satu sama lainnya. Untuk
mengetahui ada tidaknya multikoleanerity dapat dilihat dari nilai R- Square, F- hitung, t- hitung, serta standard error. Adanya multikoleanerity ditandai dengan:
1. Standard error tak terhingga.
2. Tidak ada satupun t-statistik y
ang signifikan pada α =5,α =10, α= 1.
3. Terjadi perubahan tanda atau tidak sesuai dengan teori
4. R- Square sangat tinggi.
3.8.2. Heterokedastisitas.
Heterokedastisitas merupakan salah satu asumsi OLS jika varian residualnya tidak sama. Jika model memiliki heterokedastisitas maka kita dapat
membuat kesimpulan yang salah dari interpretasi, karena estimasi OLS tidak lgi BLUE Best Linear Unbiased Estimator. Untuk mendeteksi ada tidaknya
heterokedastisitas dapat dilakukan dengan uji Park, uji Glejser, uji Breusch – Godfrey dan uji white test. Dalam uji white test cara untuk melihat gejala
Universitas Sumatera Utara
heterokedastisitas adalah melakukan estimasi regresi logaritma residual kuadrat terhadap semua variabel penjelas. Pada uji white test terdapat beberapa tahap,
antara lain sebagai berikut: •
Membuat regresi persamaan dan mendapatkan residualnya. •
Uji dengan chi- Square tabel χ
2
χ
2
=n. R
2
Dimana : n = jumlah observasi. :R
2
= koefisien determinasi Keputusan ada tidaknya heterokesdastisitas ditemukan jika:
• χ
2
hitung χ
2
tabel, maka ada heterokedastisitas. •
χ
2
hitung χ
2
tabel,tidak ada heterokedastisitas.
3.8.3. Cara Mengobati Masalah Heterokedastisitas.
Heterokedastisitas tidak merusak sifat ketidakbiasaan dan sifat konsistensi dari hasil estimasi. Namun hasil estiamsi tidak efisien. Karena hasil estimasi tidak
efisien, maka hasil dari hipotesa menjadi diragukan. Oleh karena itu, maka perlu dilakukan pengobatan pada masalah heterokedastisitas tersebut.
Untuk mengobati masalah heterokedastisitas ada dua cara yang disarankan oleh para ahli ekonometrika yaitu jika varians
σ
2
diketahui dan jika varians σ
2
tidak diketahui. Dalam penelitian ini untuk mengobati masalah heterokedastisitas penulis menggunakan cara sebagai berikut. Apabila varians diketahui atau dapat
diestimasi, untuk mengatasi masalah heterokedastisitas adalah dengan menggunakan metode kuadrat terkecil tertimbang Weighted Least Squares =
Universitas Sumatera Utara
WLS . Nilai σ
2
dalam ekonometrika disebut sebagai sum of squares residual =RSS dibagi denga jumlah variabel penjelas k. Kemudian nilai varians σ
2
ditransformasikan kedalam masing masing variabel. Sebagai rujukan untuk melihat apakah hasil estimasi regresi telah lolos dari masalah heterokedastisitas
dengan melihat nilai dari Sum Square Resid. Bila angka tersebut cenderung menurun maka dapat dikatakan bahwa model yang diestimasi lolos dari masalah
heterokedastisitas
3.8.4. Uji Normalitas
Kategori