f. ei ≈
N0, σ
2
, artinya kesalahan pengganggu mengikuti distribusi normal dengan rata-rata nol dan varian
σ
2.
Dengan dipenuhinya asumsi diatas, maka koefisien atau parameter yang diperoleh merupakan penduga linier terbaik yang tidak bias atau Blue Linier
Unbiased Estimator BLUE.
3.5. Uji Statistika dan Ekonometrika
Uji statistik dan ekonometrika dilakukan untuk melihat hasil regresi yang didapatkan setelah melakukan pengujian-pengujian, apakah hasil regresi tersebut
telah memenuhi asumsi-asumsi dalam uji statistik dan ekonometrika sehingga didapatkan model yang dikatakan baik.
Pertama , kriteria statistik yaitu menyangkut uji terhadap koefisien dari
variabel penduga atau variabel bebas melalui uji t. Koefisien penduga perlu berbeda dari nol secara signifikan atau P-value sangat kecil. Uji kedua adalah Uji
F atau uji model secara keseluruhan. Uji F ini dilakukan untuk melihat apakah semua koefisien regresi berbeda dengan nol atau model diterima. Pengujian ketiga
yaitu melihat koefisien determinasi R
2
atau R
2
adjusted. Koefisien determinasi ini menunjukkan kemampuan garis regresi menerangkan variasi variabel terikat
proporsi persen variasi variabel terikat yang dapat dijelaskan oleh variabel bebas. Nilai R
2
atau R
2
adjusted berkisar antara 0 sampai dengan 1, semakin mendekati satu semakin baik.
Kedua , kriteria ekonometrika yaitu menyangkut pelanggaran asumsi
Ordinary Least Square OLS yaitu meliputi multikolinearitas, heteroskedastisitas
dan autokorelasi. Jika asumsi tersebut telah dipenuhi maka akan memperoleh nilai parameter yang BLUE Best Linear Unbiased Estimator.
Ketiga , kriteria ekonomi yaitu uji tanda dan besaran untuk melihat
kecocokan tanda variabel dan nilai koefisien penduga dengan teori atau nalar. a. Uji t
Pengujian ditujukan untuk mengetahui tingkat signifikansi variabel bebas. H
: b
1
= 0 atau b
i
= 0 H
1
: b
1
≠ 0 atau b
i
≠ Kriteria uji :
Probability t-statistic
〈
α
, maka tolak H Probability
t-statistic
〉
α
, maka terima H Jika H
ditolak, maka variabel bebas berpengaruh nyata pada taraf
α
terhadap variabel tak bebasnya. Sebaliknya, jika H
diterima berarti variabel bebas tidak berpengaruh nyata terhadap variabel tak bebas.
b. Uji F Pengujian ini bertujuan untuk mengetahui apakah model penduga yang
diajukan sudah layak untuk menduga parameter yang ada dalam fungsi. Hipotesis :
H : b
1
= 0 atau b
i
= 0 H
1
: minimal ada salah satu b
1
≠ 0 atau b
i
≠ 0 Kriteria uji :
Probability F-statistic taraf nyata
〈
α
, maka tolak H Probability F-statistic
taraf nyata
〉
α
, maka terima H
Jika H ditolak, berarti minimal ada satu variabel bebas yang berpengaruh nyata
terhadap variabel terikat dan model layak digunakan. Sebaliknya jika H diterima,
maka tidak ada satu pun variabel bebas yang berpengaruh nyata. c. Uji Multikolinearitas
Multikolinearitas muncul apabila diantara masing-masing variabel independen saling berhubungan secara linear artinya adanya korelasi yang kuat
pada sesama variabel bebas eksogen. Uji Multikolinearitas dilakukan dengan melihat koefisien korelasi antar variabel eksogen yang terdapat pada matriks
korelasi. Suatu model tidak mengandung gejala multikoliniearitas apabila nilai mutlak koefisien korelasi antar variabel eksogen lebih besar dari |0.8|.
Multikolinearitas muncul apabila di antara masing-masing variabel independen saling berhubungan secara linear. Jika hubungan itu sangat erat yaitu
r= 1, berarti terjadi multikolinearitas sempurna, yang berakibat tidak dapat
ditentukannya koefisien dari variabel independen dan standar deviasi dari koefisien tersebut menjadi sangat besar. Jika dari hasil pengujian statistikanya
didapatkan R
2
besar, F-test besar, dan t-test juga besar, berarti tidak terjadi
multikolinearitas. Kalaupun terjadi, maka derajat multikolinearitasnya rendah. d. Uji Heteroskedastisitas
Heteroskedastisitas merupakan suatu kondisi dimana nilai varian dari variabel eksogen tidak memiliki nilai yang sama. Untuk mengetahui ada tidaknya
masalah heteroskedastisitas yaitu dengan melihat nilai Obs R-square, jika nilai ObsR-squared
lebih besar dari taraf nyata yang digunakan, maka persamaan tidak memiliki masalah heteroskedastisitas. Namun dengan adanya
Heteroskedastisitas, taksiran parameter berdasarkan Ordinary Least Square OLS akan tetap unbiased dan konsisten tetapi tidak efisien, artinya memiliki varians
yang lebih besar dari varian yang minimum. Gejala adanya Heteroskedastisitas dapat ditunjukkan oleh probability ObsR-square pada uji White
Heteroskedasticity .
H :
γ = 0 H
1
: γ = 0
Kriteria uji : probability ObsR-square
〈
α
, maka tolak H probability ObsR-square
〉
α
, maka terima H Jika H
ditolak, maka terdapat gejala heteroskedastisitas pada model. Sebaliknya jika H
diterima, maka pada model tidak terdapat gejala heteroskedastisitas. e. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah hasil estimasi model tidak mengandung korelasi serial di antara disturbance term. Autokorelasi adalah
tingkat hubungan linier antara pengamatan ke-t dengan pengamatan ke t + k,
dimana k adalah selisih waktu lag. Autokorelasi terjadi jika nilai error tidak bersifat bebas antara yang satu dengan yang lainnya. Artinya terjadi korelasi antar
error , sehingga model yang baik menghasilkan error yang acak dan tidak berpola.
Akibatnya varian keragaman yang diperoleh under estimate. Untuk mendeteksi autokorelasi, dapat digunakan uji Durbin-Watson atau dengan melihat nilai Obs
R-squared pada Breusch-Godfrey Serial Correlation LM Test, jika nilai ObsR-
