Uji Multikolinearitas Autokorelasi Uji Penyimpangan Klasik

3.7 Uji Penyimpangan Klasik

Uji penyimpangan asumsi klasik dimaksudkan untuk mendeteksi ada tidaknya autokorelasi, multikolinierity, dan heteroskedastisitas dalam estimasi karena apabila terjadi penyimpangan terhadap asumsi klasik tersebut maka uji t dan uji F yang dilakukan sebelumnya tidak valid dan secara statistic mengacaukan kesimpulan yang diperoleh.

3.7.1 Uji Multikolinearitas

Istilah multikolinearitas mula-mula dikemukakan oleh Ragmer Fisher yang mempunyai arti hubungan linear bsempurna antar variabel, variabel independen dalam suatu model regresi. Multikolinearitas timbul akibat sifat-sifat yang terkadang dalam kebanyakan variabel ekonomi berubah bersama-sama sepanjang waktu dan penggunaan LagLagged Values dari variabel-variabel bebas tertentu dalam model regresi. Dengan adanya multikolinearitas, maka hasil estimasi koefisien regresi bersifat bias. Analisis regresi tidak menemukan hubungan yang benar akan kemampuan produksi akan menjadi lemah. Uji multikolinearitas diperoleh dengan beberapa langkah yaitu: Universitas Sumatera Utara 1. Melakukan regresi lengkap Y=fX 1 ,….Xn sehingga kita mendapatkan R- square. 2. Melakukan regresi X 1 terhadap seluruh X lainnya, maka diperoleh nilai Ri-square auxiliary regression. 3. Membandingkan nilai Ri-square dengan R-square. Hipotesa yang dapat dipakai adalah H diterima apabila Ri-square R-square model pertama berarti tidak terjadi multikolinearitas dan Ha diterima apabila Ri-square R-square model pertama berarti terjadi masalah multikolinearitas.

3.7.2 Autokorelasi

Autokorelasi terjadi bila error term μ dari periode waktu yang berbeda berkorelasi. Dikatakan bahwa error term berkorelasi atau mengalami korelasi serial apabila variabel ei, ej ≠ 0 untuk i ≠ j. Ada beberapa cara untuk mengetahui keberadaan autokorelasi, yaitu : a. Dengan memplot grafik. b. Dengan Durbin-Watson D-W Test. D-hitung = ∑ ∑ − − 2 1 et e e t t Dengan hipotesis sebagai berikut : Ho : ρ = 0 berarti tidak ada autokorelasi Ha : ρ ≠ 0 berarti ada autokorelasi. Dengan jumlah sampel dan variabel independen tertentu, diperoleh nilai kritis dl dan du dalam tabel distribusi Durbin-Watson untuk berbagai nilai ⍺. Hipotesis yang digunakan adalah : Universitas Sumatera Utara Gambar 3.3 Kurva D-W Statistik Keterangan : Ho : tidak ada korelasi Dw dl : tolak Ho ada korelasi positif Dw 4-dl : tolak Ho ada korelasi negatif Du dw 4-du : terima Ho tidak ada korelasi Dl ≤ dw ≤ du : tidak bisa disimpulkan inconclusive 4-du ≤ dw ≤ 4-dl : tidak bisa disimpulkan inconclusive

3.8 Defenisi Operasional