Heteroskedastisitas Uji Penyimpangan Asumsi Klasik

36

3.9.2 Heteroskedastisitas

Salah satu asumsi dari model regresi linier klasik adalah varian dari setiap kesalahan pengganggu μ 1 untuk variabel-variabel bebas yang diketahui merupakan suatu bilangan konstan dengan symbol σ 2 . Kondisi seperti ini disebut dengan homoskedastisitas, dengan persamaan sebagai berikut : E μ i 2 = σ 2 dimana i = 1,2,...,n 3.4 Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskendastisitas. Dalam prakteknya, heteroskendastisitas banyak ditemui pada data cross- section, karena pengamatan dilakukan pada individu yang berbeda pada saat yang sama, akan tetapi bukan berarti heteroskendastisitas tidak mungkin terjadi dalam data time series. Untuk melihat atau mendeteksi adanya heteroskendastisitas dapat dilakukan dengan menggunakan Park Test Uji dari Park RE. Park memformalkan metode grafik, dengan menganjurkan bahwa σ 2 , merupakan fungsi dari variabel bebas X i . Fungsi yang dianjurkan adalah sebagai berikut : σ i 2 = σ 2 X i β e vi 3.5 atau bila ditulis dalam bentuk logaritma natural adalah sebagai berikut: ln σ i 2 = ln σ 2 + β ln X i + v i 3.6 Karena σ i 2 pada umumnya tidak diketahui, maka Park menyarankan σ i 2 digantikan dengan μ i residual, sehingga diperoleh : Afwan Efendi: Analisis Determinan Keuntungan Usaha Kecil Pada Sektor Perdagangan Di Kabupaten Deli Serdang, 2008. USU e-Repository © 2008 37 ln μ i 2 = In μ 2 + β ln X i + v i = α + β ln X i + v i 3.7 Sebagai pedoman, apabila koefisien β dari persamaan 3.7 signifikan secara statistik, ini menunjukkan bahwa dalam data dari model empiris yang sedang diestimasi terdapat heteroskedastisitas, dan sebaliknya, bila koefisien parameter β dari persamaan 3.7 tidak signifikan secara statistik, maka asumsi homoskedastisitas atau tidak adanya heteroskedastisitas dalam data dari model empiris yang sedang diestimasi tidak dapat ditolak. Untuk dapat menerapkan uji Park, maka ada beberapa langkah yang harus dilakukan, yaitu : 1. Melakukan regresi dengan menggunakan model yang sedang diamati, kemudian didapatkan nilai estimasi residual, μ i 2 . 2. Lakukan regresi dengan menggunakan persamaan 3.7

3.9.3 Normalitas