67
ii. Memiliki
varian yang
sama atau
disebut sebagai
homoskedastisitas atau dapat ditulis sebagai Var
t
=
2
untuk seluruh t.
iii. Antara
t
dan
t-j
untuk t ≠j yang disebut sebagai non serial
korelasi atau non-autokorelasi. Hal ini dapat disimbolkan sebagai Cov
t
,
t-j
= 0. iv.
Setiap X
t
bebas terhadap
t
. v.
Tidak ada multikolinearitas. vi.
t
terdistribusi normal dengan rata-rata nol dan varian yang sama yaitu
2
. Jika asumsi-asumsi di atas tidak terpenuhi maka pendugaan
parameter, pengujian hipotesa dan peramalan akan mengakibatkan kekeliruan. Oleh karena itu, diperlukan pendalaman mengenai asumsi-
asumsi tersebut terutama yang sering ditemukan dalam analisis regresi, yaitu asumsi non multikoliniearitas, asumsi homoskedastisitas dan asumsi
non serial korelasi sebagai berikut:
a. Uji Asumsi Klasik
1 Multikolinearitas
Mengukur derajat multikolinearitas dilakukan karena dalam asumsi dasar dari classical linear regression model CLRM
dikatakan bahwa antarsesama regressor variabel bebas tidak boleh memiliki hubungan secara pasti, baik terhadap sebagian
regressor ataupun seluruhnya Gujarati, 2005:342. Salah satu cara
mendeteksi multikolinearitas adalah menggunakan perhitungan
68
regresi pelengkap auxiliary regressions, yaitu membandingkan nilai F
i
dan F
hitung
Gujarati, 2005:361. Jika F
hitung
F
i
, maka terdapat hubungan kolinear antara masing-masing variabel bebas
X
i
….X
k
. Namun, jika F
hitung
F
i
, maka X
i
tidak kolinear dengan X lainnya, demikian juga terhadap X
2
, X
3
, X
4
, dan X
5
.
2 Heteroskedastisitas
Heteroskedastisitas adalah keadaan dimana dalam fungsi regresi terdapat gangguan yang mempunyai varian yang tidak
sama. Salah satu cara mendeteksi heteroskedastisitas adalah menggunakan uji Park dengan formulasi sebagai berikut:
ln ln
+
……………………………….. 3.10
Jika β ternyata signifikan secara statistik, maka diindikasikan bahwa di dalam data terdapat heteroskedastisitas, demikian juga
sebaliknya Gujarati, 2005:404.
3 Autokorelasi
Autokorelasi adalah hubungan yang terjadi antaranggota dalam serial observasi yang tesusun dalam serial waktu untuk data
time series dan ruang dalam data cross-section. Autokorelasi
dapat diteksi dengan beberapa metode, di antaranya: uji d Durbin- Watson, uji Lagrange Multiplier LM test, uji Breusch-Godfrey
BG test, dan uji ARCH. Pada penelitian ini digunakan uji Lagrange Multiplier LM
test untuk mendeteksi autokorelasi. Metode ini dilakukan dengan
meregresi semua variabel bebas dengan nilai residual dari model
69
regresi yang dipilih sebagai variabel terikatnya. Selanjutnya, nilai R
2
dari regresi tersebut dibandingkan dengan nilai χ
2
dalam tabel, dengan kriteria yaitu: jika n-1 R
2
χ
2
, maka terdapat masalah autokorelasi, demikian juga sebaliknya Gujarati, 2005:523.
Selanjutnya terhadap ketiga model regresi linear berganda tersebut akan diuji kebaikan nilai estimator dan uji hipotesis
sebagai berikut:
b. Uji Statistik
