31
multikolinieritas tidak terpenuhi, estimator masih bersifat BLUE namun memiliki
varian dan kovarian yang besar sehingga sulit dipakai sebagai alat estimasi. a. Uji Kenormalan
Analisis regresi linear mengasumsikan setiap sisaan mengikuti distribusi normal dengan dengan rata-rata nol dan varians
2
Gujarati, 2004. Apabila variabel tidak bebas dan variabel bebas mengikuti distribusi normal, maka
sisaannya juga akan mengikuti distribusi normal. Uji kenormalan dapat dilakukan dengan melihat plot dari sisaan. Jika plot dari sisaan mengikuti bentuk kurva
normal atau plot quantil Q-Q Plot mengikuti garis normal lurus maka asumsi kenormalan dapat diterima.
b. Uji Autokorelasi
Autokorelasi adalah adanya korelasi antar variabel sisaan. Salah satu asumsi dalam analisis regresi linier klasik adalah model tidak mengandung
autokorelasi baik positif maupun negatif. Jadi asumsi yang harus dipenuhi adalah bahwa unsur sisaan yang berhubungan dengan observasi tidak dipengaruhi oleh
unsur sisaan yang berhubungan dengan pengamatan lain yang manapun Gujarati, 2004.
Salah satu cara untuk menguji asumsi ini adalah dengan melihat nilai statistik uji Durbin-Watson. Mekanisme pendeteksian autokorelasi dengan uji
Durbin-Watson adalah sebagai berikut: 1. Nilai batas d adalah antara 0 dan 4.
2. Nilai kritis d
L
dan d
U
untuk ukuran sampel tertentu dan jumlah variabel bebas tertentu dapat dilihat pada tabel Durbin-Watson.
32
3. Hipotesis dalam pengujian menyatakan tidak ada autokorelasi negatif maupun positif dalam model. Kriteria pengujian dan pengambilan keputusan adalah
sebagai berikut: a. Jika nilai dd
L
berarti ada autokorelasi positif dan jika d 4 – d
L
berarti ada autokorelasi negatif, sehingga keputusannya adalah menolak hipotesis
nol. b. Jika d
U
d 4 – d
U
, maka keputusannya adalah menerima hipotesis nol yang berarti tidak ada autokorelasi
c. Jika d
L
d d
U
dan 4 - d
U
d 4 - d
L
maka pengujian yang dilakukan menghasilkan keputusan yang tidak meyakinkan atau ragu-ragu.
c. Uji Heteroskedastisitas
Asumsi ketiga yang harus dipenuhi dalam model regresi linier berganda dengan adalah homoskedastisitas homoscedasticity atau tidak terjadi
heteroskedastisitas heteroscedasticity. Homoskedastisitas atau varian konstan menunjukkan distribusi probabilitas sisaan yang sama untuk seluruh nilai variabel
bebas Gujarati, 2004. Adanya heteroskedastisitas menyebabkan estimator
紅實
沈
tidak memiliki varian yang minimum atau tidak menghasilkan estimator yang BLUE, hanya
Linier Unbiased Estimator LUE. Konsekuensi jika tetap menggunakan metode OLS dengan adanya heteroskedastisitas adalah penghitungan standard error tidak
bisa dipercaya kebenarannya dan interval estimasi dan uji hipotesis berdasarkan uji t dan uji F tidak bisa dipercaya untuk evaluasi hasil regresi.
33
Untuk mendeteksi adanya masalah heteroskedastisitas bisa dilakukan dengan uji Park. Metode deteksi heteroskedastisitas dengan uji Park mempunyai
tiga prosedur utama. Pertama, melakukan regresi terhadap model dengan metode OLS dan mendapatkan nilai residualnya. Kedua, melakukan regresi terhadap
residual kudrat dengan semua variabel bebas. Ketiga, melakukan uji t terhadap koefisien persamaan yang dihasilkan. Jika nilai t hitung lebih kecil dibandingkan
nilai t tabel atau probabilitas t lebih besar dari
=0,05 maka tidak ada masalah heteroskedastisitas. Sebaliknya, jika nilai t hitung lebih besar daripada nilai t tabel
atau probabilitas t kurang dari
=0,05 maka terdapat masalah heteroskedastisitas.
d. Uji Multikolinieritas