56
Gambar 8 : Kurva Distribusi Penolakkan Penerimaan Hipotesis Secara Parsial.
Sumber : Dajan. Anton, 1986, Pengantar Metode Statistik, Jilid II, Penerbit PT. Pustaka LP3ES Indonesia, Jakarta, Hal 247.
3.4.3 Pengujian Asumsi-Asumsi Klasik
Regersi linier berganda dengan persamaan Y = β
+ β
1
. X
1
+ β
2
. X
2
+ β
3 .
X
3
+ µ. Persamaan regresi linier diatas harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambila keputusan
melalui melaui Uji F dan Uji
t
tidak boleh bias. Untuk menghasilkan pengambilan keputusan yang BLUE maka harus
dipenuhi diantaranya tiga asumsi dasar. Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda yaitu sebagai
berikut : 1.
Tidak boleh ada multikolinieritas 2.
Tidak boleh ada autokolerasi 3.
Tidak boleh ada heterokedastisitas
Daerah Penerimaan Ho
Daerah Penolakan Ho
Daerah Penolakan Ho
57
Apabila salah satu dari ketiga dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui Uji F dan Uji
t
menjadi bias. Sifat BLUE dapat dijelaskan sebagai berikut :
Best = Pentingnya sifat ini bila diharapkan dalam uji signifikan
baku terhadap α dan β.
Linier = Sifat ini dibutuhkan untuk memudahkan dalam
penaksiran Unbiased
= Bila jumlah sample sangat besar, penaksir parameter diperoleh dari sample besar kira-kira lebih mendekati
nilai parameter sebenarnya. Estimator = e diharapkan sekecil mungkin.
1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time
series Gujarati, 1995 : 201. Jadi dalam model regresi linier
berganda diasumsikan tidak terdapat gejala autokorelasi. Artinya nilai residual Y obsevarsi – Y prediksi pada waktu ke-
t
e1 tidak boleh ada hubungan dengan nilai residul periode sebelumnya e
t
- 1.
58
Identifikasi ada atau tidaknya gejala autokolerasi dapat dites dengan menghitung nilai Durbin Watson dites dengan
persamaan :
d =
N t
t t
t t
e e
e
1 2
2 2
2 1
Keterangan :
d = Nilai Durbin Watson et = Residual pada waktu ke-t
et-1 = Residual pada waktu ke t-1 satuan periode sebelumnya N = Banyaknya periode
Dalam penelitian ini, banyaknya data time series minimal yang dapat dihitung dengan Durbin Watson DW. Tabel Durbin Watson DW
yang lebih lengkap dapat diperoleh dibuku Basic Econometries Edisi Ketiga, penerbit MC. Graw Hil, tahun 1995.
Untuk mendeteksi ada tidaknya autokorelasi amak dilakukan pengujian Durbi Watson DW dengan ketentuan sebagai berikut :
1. 1,65 DW 2,35 kesimpulannya tidak ada autokorelasi 2. 1,2,1 DW atau 2,35 DW 2,79 kesimpulannya dapat
disimpulkan inconclusive.
59
Gambar 9 : Distribusi Daerah Keputusan Autokorelasi
Daerah Daerah Daerah Daerah Kritis Ketidak- Terima Ho Ketidak- Kritis
pastian pastian Tolak Tidak ada Tolak
Ho autokorelasi Ho 0 d
L
d
U
2 4-d
U
4-d
L
d
2. Non Multikolinieritas
Artinya, antara variable independent yang satu dengan variable yang lain dalam model regresi tidak saling berhubungan
secara sempurna atau mendekati sempurna. Multikolinieritas :
Diagnosis atau dugaan secara sederhana terhadap adanya multikolinieritas didalam model regrsi adalah
sebagai berikut : a. Jika multikolinieritas tinggi, seseorang mungkin
memperoleh R
2
yang tinggi tetapi tidak satupun sangat sedikit koefisien korelasi parsialnya signifikan.
b. Nilai R
2
adjusted melebihi R
2
regresi awal. Dari diagnosis atau dugaan adanya multikolinieritas
tersebut maka perlu adanya pembuktian atau identifikasi secara statistic ada atau tidaknya gejala multikolinieritas
60
yang dapat dilakukan dengan menghitung Variance Inflation Factor
VIF.
3. Non heterokedastisitas
Dalam analisis regresi linier berganda untuk mendapatkan hasil yang baik salah satu asumsi klasik yang harus dipenuhi
adalah homogenitas varians atau homokedastisitas atau non homokedastisitas yang ditimbulkan oleh varians pengganggu e.
Heteroskedastisitas Untuk mendeteksi adanya gejala heteroskedastisitas
salah satu metode yang digunakan adalah metode rank spearman correlation yaitu mengkorelasikan antara variable
pengganggu ei dengan variable-variabel bebas. Sedangkan rumus yang dipakai adalah :
r
s =
1-6
1
2 2
N N
di Gujarat, 1995 : 188
Keterangan : di = Perbedaan dalam rank antara residual dengan varibel
bebas ke-1 N = Banyaknya data.
Keadaan ini adalah lawan dari homoskedastisitas. Dalam uji heterokedastisitas, pengujian yang dilakukan adalah Uji Park. Park
61
menyarankan untuk menggunakan ei
2
sebagai σi
2
dan melakukan regresi berikut :
Ln ei
2
= ln σ
2
+ βln X
i
+ vi =
α + βln X
i
+ vi Dimana vi = unsure gagasan disturbance yang stokhastik. Jika
β ternyata signifikan secara statistik, maka dalam data terdapat
heterokedastisitas. Apabila ternyata tidak signifikan, maka dapat diterima asumsi homoskedastisitas.
62
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Obyek Penelitian
4.1.1 Gambaran Umum Daerah Penelitian
Nama Kota Surabaya sangat terkenal bagi masyarakat Indonesia sebagai Kota Pahlawan dan sekaligus Kota terbesar di Indonesia setelah
Ibu Kota Jakarta. Surabaya merupakan Ibu Kota Propinsi Jawa Timur yang merupakan daerah yang cukup maju perekonomiannya dan dinyatakan
sebagai pintu gerbang Indonesia timur. Pada kondisi perekonomian yang cukup berat seperti pada saat ini,
dan dengan adanya program pembangunan yang harus dilaksanakan terutama yang menyangkut peningkatan kesejahteraan masyarakat,
mengharuskan pemerintah daerah agar berupaya dengan kuat untuk menggali dan mengembangkan sumber daya yang ada didaerahnya.
Dimana hal tersebut sesuai dengan paket otonomi yang telah digulirkan pemerintah pusat yang memberikan kewenangan lebih luas kepada daerah
guna mendukung pembangunan perekonomia setempat. Hak otonomi yang diberikan juga berkaitan dengan hak untuk
menggali dan mengolah dana yang berasal dari Pendapatan Asli Daerah PAD, masalah-masalah keuangan yang dihadapi oleh daerah berkisar
pada usaha peningkatan pendapatan dan juga berkenaan dengan pengeluaran dana untuk memenuhi kebutuhan masyarakat di daerah.
