Uji Durbin – Watson D-W test Uji Lagrange Multiplier LM test

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.