65
a. Uji Durbin – Watson D-W test
Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya
intercept konstanta dalam model regresi dan tidak ada variabel lag di antara variabel independen. Hipotesis yang akan diuji adalah:
H0 : tidak ada autokorelasi r = 0 HA: ada autokorelasi r ≠ 0
Pengambilan keputusan ada tidaknya autokorelasi:
Hipotesis nol Keputusan
J i k a
Tdk ada autokoreiasi positif Tolak
0 d d l Tdk ada autokoreiasi positif
No desicison d l d d u
Tdk ada korelasi negatif Tolak
4 - d l d 4 Tdk ada korelasi negatif
No desicison 4 - d u d 4 - d l
Tdk ada autokoreiasi positif atau negatif Tdk ditolak
du d 4 - du
66
b. Uji Lagrange Multiplier LM test
Uji autokorelasi dengan LM test terutama digunakan untuk sample besar di atas 100 observasi. Uji ini memang lebih
tepat digunakan dibandingkan uji DW terutama bila sample yang digunakan relatif besar dan derajat autokorelasi lebih dari satu.
Uji LM akan menghasilkan s t a t i s t i k Breuseh-Godfrey.
Pengujian Breuseh -Godfrey BG test; d i l a k u k a n d e n g a n meregress v a r i a b e l pengganggu residual ut m c n g g u n a k a n
autogresive model dengan orde p: Ut = p1 Ut-1 + p2Ut-2 + ........... + ppUt-p + εt
Dengan hipotesis nol HO adalah p1 = p2 = ...... = pp = 0,
dimana koefisien autogresive secara simultan sama dengan nol, menunjukkan bahwa tidak. terdapat autokorelasi pada setiap orde.
Secara manual, jika n - p R
2
atau C
2
hitung lebih besar dari C
2
label, kita dapat menolak hipotesis nol yang menyatakan bahwa tidak ada autokorelasi dalam model.
c Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalarn model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain
67 tetap, maka disebut Homoskedastisitas dan jika berbeda disebut
Heteroskedastisitas. Model regresi yang baik adalah yang Homoskesdatisitas atau tidak tetjadi Heteroskesdatisitas.
Kebanyakan data
crossection mengandung
situasi heteroskesdatisitas karcna data ini mcnghimpun data yang
mewakili bebagai ukuran kecil, sedang dan besar. Ada beberapa cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas:
1 Melihat Grafik Plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertcntu
pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan
sumbu X adalah residual Y prediksi -
Y sesungguhnya yang telah di-studentized.
Dasar analisis:
i.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang,
68 melebar kemudian menyempit, maka mengindikasikan
telah terjadi heteroskedastisitas.
ii.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas. d Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi
normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara
untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik.
2 Analisis Grafik
Salah satu cara termudah untuk melihat nomalitas residual adalah dengan melihat grafik histogram yang
membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun dcmikian hanya
dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang
lebih handal adalah dengan melihat normal probability plot
69 yang membandingkan distribusi kumulatif dari distribusi
normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan
dengan garis diagonal. Jika distribusi data residualnoim maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya.
3 Uji Linearitas Uji ini digunakan untuk melihat apakah spesifikasi
model yang digunakan sudah benar atau tidak. Apakah fungsi yang digunakan dalam suatu studi cmpiris sebaiknya
berbentuk linear, kuadrat atau kubik. Dengan uji linearitas akan diperoleh informasi apakah model cmpiris sebaiknya
linear, kuadrat atau kubik. a Uji Durbin Watson
Uji ini biasanya dilakukan untuk melihat ada tidaknya autokorelasi dalam suatu model regresi.
b Ramsey Test Uji ini dikembangkan oleh Ramsey tahun 1969. Ramsey
menyarankan suatu uji yang disebut general test of spesification atau RESET. Untuk melakukan uji ini kita
harus membuat suatu asumsi atau keyakinan bahwa fungsi
70 yang benar adaiah fungsi linear. Uji ini bertujuan untuk
menghasilkan F-hitung. 6. Uji t
untuk menguji rata-rata populasi, saya menggunakan uji t karena besaran standar deviasi populasi tidak diketahui.
untuk menemukan nilai dari statistik pengujian, kita menggunakan distribusi t yaitu:
=
dengan n-1 derajat kebebasan, dimana: = rata-rata sampel.
µ = rata-rata pupulasi yang dihipotesiskan. s = standar deviasi sampel.
n = jumlah pengamatan dalam sampel tersebut
71
E. Ringkasan Operasional Variabel Tabel 2.2.