3.5. Uji Asumsi Klasik BLUE
Persamaan regresi harus bersifat BLUE, artinya pengambilan melalui uji F dan uji t tidak boleh bias. Tetapi untuk melaksanakan operasi
regresi linier tersebut diperlukan 3 asumsi dasar yang harus dipenuhi dan tidak boleh dilanggar, yaitu :
1. Tidak terjadi autokorelasi
2. Tidak terjadi multikolinieritas
3. Tidak terjadi heteroskedastisitas
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE Best
Linier Unbiassed Estimate sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Autokolerasi Auto correlation
Autokolerasi adalah kolerasi hubungan yang terjadi diantara anggota-anggota dari serangkaian pengamatan yang tersusun dalam
lingkaran waktu seperti pada runtun waktu atau time series atau yang tersusun dalam rangkaian ruang seperti pada data silang waktu cross
sectional data
Gambar 6: Kurva Durbin Watson
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2 4
Menolak Ho
Bukti Autokorelasi
Menolak Ho
Bukti Autokorelasi
Menerima Ho atau Ho
At k d
d
Sumber : Gujarati, Damodar, 1999, Ekonometrika Dasar, Erlangga, Jakarta, Halaman 216.
Daerah keragua
‐ Daerah
keragua ‐
d
d
L
d
U
4 – d
U
4 – d
L
Adanya autokorelasi didasarkan atas : 1.
Daerah A : Durbin Watson dL, tolak Ho autokorelasi positif.
2. Daerah B : dL Durbin-Watson dU, ragu-ragu.
3. Daerah C : dU Durbin-Watson dU, terima Ho, non
autokorelasi. 4.
Daerah D : 4 – dU Durbin-Watson 4 – dU, ragu-ragu. 5.
Daerah E : Durbin-Watson 4 – dL, tolak Ho autokorelasi
Negatif. Gujarati, 1999 : 217. 2.
Heteroskedastisitas Heteroscedasticity
Suatu kasus dimana seluruh faktor gangguan tidak memiliki varians yang sama atau variannya tidak konstan, kondisi varian
nirkonstan atau nirhomogin ini disebut “Heteroskedastisitas” Uji heteroskedastisitas dengan menggunakan uji Rank Spearman,
yaitu dengan cara mengambil nlai mutlak dengan mengasumsikan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
bahwa koefisien rank korelasi adalah nol. Jika hasil regresi menunjukkan nilai signifikan t
≥ nilai α, maka regresi linier tidak terdapat heteroskedastisitas. Dan nilai residual kuadrat adalah Y
observasi – Y prediksi². Selain itu pada scatterplot akan menghasilkan gambar yang memancar atau menyabar dan tidak mengumpul pada
satu titik ataupun membentuk suatu pola tertentu apabila pada persamaan regresi tidak terjadi heteroskedastisitas.
3. Multikolinieritas Multicolinierity
Uji multikolinierias bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independent. Model
regresi yang baik seharusnya tidak terjadi korelasidiantara variabel bebas, jika variabel bebas saling bekorelasi, maka variabel-variabel ini
tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesame variabel bebas sama dengan nol.
Untuk mendeteksi ada atau tidaknya multikolinieritas didalam model regresi adalah sebagai berikut :
a. Nilai R² yang dihasilkan oleh suatu estimasi model regresi empiris
sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak signifikan mempengaruhi variabel terikat.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. Menganalisis matrik korelasi variabel-variabel bebas. Jika antar
variabel bebas ada kolerasi yang cukup tinggi umumnya diatas 0,90 maka hal ini merupakan indikasi adanya multikolinieritas
c. Multikolinieritas dapat dilihat dari nilai tolerance dan Variance
inflation faktor VIF, Rumus untuk memperoleh VIF, yaitu : 1
VIF = Tolerence
Uji Multikolinieritas dalam penelitian ini dilakukan dengan menggunakan program computer SPSS.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian 4.1.1. Letak Geografis dan Luas Wilayah
Kategori