Autokorelasi Multikolinieritas Heteroskedastistas Pendeteksian Asumsi BLUE Best Linier Unbiased Estimator

3.5. Pendeteksian Asumsi BLUE Best Linier Unbiased Estimator

Pengujian ini dimaksudkan untuk mendeteksi ada tidaknya autokorelasi, multikolinieritas dan heterokedastisitas dalam hasil estimasi. Tujuan utama menggunakan uji asumsi klasik adalah untuk mendapatkan koefisien yang terbaik linier dan tidak bias BLUE : Best Linier Unbiassed Estimator, sifat dari BLUE itu sendiri adalah : 1. Best : Pentingnya sifat ini bila diterapkan dalam uji signifikan buku terhadap α dan β 2. Linier : Sifat ini dibutuhkan untuk memudahkan dalam penaksiran 3. Unbiassed : Nilai jumlah sampel sangat besar penaksiran parameter diperoleh dari sampel besar kira - kira lebih mendekati nilai parameter sebenarnya 4. Estimator : e diharapkan sekecil mungkin Untuk menghasilkan model persamaan regresi yang BLUE Best Linier Unbiassed Estimator maka harus dipenuhi tiga asumsi dasar yang disebut :

3.5.1. Autokorelasi

Dapat didefinisikan sebagai korelasi antara data observasi yang diurut berdasarkan urut waktu tertentu data time series. Gujarati, 1995: 201. Jadi dalam model regresi linier diasumsikan tidak terdapat gejala autokorelasi. Artinya nilai residual Y observasi – Y prediksi pada waktu ke-t tidak boleh ada hubungan dengan nilai residual periode sebelumnya. Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berlaitan satu sama lainnya. Identifikasi ada atau tidaknya gejala autokorelasi dapat dites dengan menghitung nilai Durbin Watson DW-test. Uji penelitian ini tidak dilakukan karena data penelitian bukan data time- series Ghozali, 2006: 92

3.5.2. Multikolinieritas

Multikoliner adalah terjadinya hubungan linier antar variabel bebas dalam persamaan regresi linier berganda. Apabila ternyata ada hubungan linier antar variabel bebas, maka persamaan regresi linier berganda tersebut terjadi multikolinier. Multikolinieritas dapat dilihat dari nilai tolerance dan variance inflation factor VIF. Batas nilai non multikolinieritas yaitu VIF ≤ 10, maka dikatakan dalam model ini regresi tidak terdapat multikolinieritas Imam Ghozali, 2001: 61.

3.5.3. Heteroskedastistas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi tidak terjadi keidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Salah satu cara untuk mendeteksi ada atau tidak adanya heterokedastisitas adalah dengan menggunakan uji rank spearman yaitu dengan membandingkan antara residu dengan seluruh variabel bebas. Menurut Santoso, 2002:301 deteksi adanya heterokedastisitas adalah : a. Nilai probabilitas 0,05 berarti bebas dari heterokedastisitas. b. Nilai probabilitas ≤ 0,05 berarti terkena heterokedastisitas. 3.6. Teknik Analisis dan Uji Hipotesis 3.6.1.