4. Uji terhadap Kolinear Ganda Multikolinearitas
Dalam model yang melibatkan banyak peubah bebas sering terjadi masalah multicolinearity, yaitu terjadinya korelasi yang kuat antar peubah-peubah
bebas bebas. Menurut Koutsoyiannis 1997, deteksi multicolinearity dalam sebuah model dapat dilakukan dengan membandingkan besarnya nilai koefisien
determinasi R
2
dengan koefisien determinasi parsial antar dua peubah bebas r
2
. Untuk hal ini dapat dibuat suatu matriks koefisien determinasi parsial antar peubah
bebas. Multicolinearity dapat dianggap tidak masalah apabila koefisien determinasi dua peubah bebas tidak melebihi nilai koefisien determinasi atau
koefisien korelasi berganda antar semua peubah secara simultan. Namun multicolinearity dianggap sebagai masalah serius jika koefisien determinasi parsial
antar dua peubah bebas melebihi atau sama dengan koefisien determinasi atau koefisien korelasi berganda antar semua peubah secara simultan, atau secara
matematis dapat dituliskan dalam pertidaksamaan berikut : R
2
x
i
x
i
R
2
x
1
,x
2
,...,x
k
Masalah multicolinearity juga dapat dilihat langsung melalui output komputer, dimana apabila nilai VIF Varian Inflation Faktor 10 maka tidak ada
masalah dalam multicolinearity.
5. Uji Heteroskedastisitas
Salah satu asumsi metode pendugaan metode kuadrat terkecil adalah homoskedastisitas, yaitu ragam galat konstan dalam setiap amatan. Pelanggaran
atas asumsi ini adalah heteroskedastisitas. Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi yang
dapat mengakibatkan perubahan tingkat keakuratan data. Gangguan ini pada umunya sering terjadi pada dara cross section. Dalam hal untuk mendeteksi adanya
masalah heteroskedastisitas maka dilakukan uji heteroskedastisitas seperti yang diungkapkan oleh Ramanathan 1997. Contoh amatan diurutkan menurut peubah
bebasnya kemudian dibagi dua anak contoh dengan pemisah contoh berjumlah 16 untuk ukuran contoh 60. Kedua anak contoh tersebut masing-masing diregresikan
kemudian dihitung jumlah kuadrat galat JKG dari masing-masing regresi tersebut. Jumlah kuadrat regresi dari regresi anak contoh pertama dinotasikan
JKG1. Jumlah kuadrat regresi dari regresi anak contoh kedua dinotasikan JKG2.
Statistik ujinya adalah : �
ℎ��
= JKK
JGK
Jika tidak ada masalah heteroskedastisitas maka nilai F-hitung akan menuju satu. Masalah heteroskedastisitas masih dapat ditolerir jika F-hitung kurang dari F-tabel
dengan derajat bebas v1= v2 = n-c-2k2. Dimana n adalah jumlah contoh, c adalah jumlah contoh pemisah, dan k adalah jumlah parameter yang diduga. Bisa juga
dengan menggunakan Uji Glejser yaitu dengan memunculkan residual dan setelah itu dimutlakan.. Nilai mutlak residual diregresikan dengan variabel X. Jika nilai
annova lebih besar dari 0,1 berarti terpenuhi asumsinya, artinya tidak ada masalah heteroskedastisitas atau keragaman.
6. Uji Normalitas
Uji ini diperlukan untuk mengetahui apakah error term dari dataobservasi yang jumlahnya kurang dari 30 mendekati sebaran normal sehingga statistik t dapat
dikatakn sah. Uji yang dapat dilakukan adalah uji Kolmogorov Smirnov dengan prosedur sebagai berikut :
H : Data berdistribusi normal, jika nilai sig signifikansi P Value 0,1.
H
1
: Data berdistribusi tidak normal, jika nilai sig signifikansi P Value 0,1. Terima H
jika statistik K-S χ
2
atau jika diperoleh nilai probabilitas hasil output lebih besa
r dari α.
7. Uji Autokorelasi
Uji ini dilakukan untuk melihat apakah terdapat hubungan diantara galat dalam persamaan regresi yang diperoleh. Jika kita mengabaikan adanya
autokorelasi, maka akan berdampak terhadap pengujian hipotesis dan proses peramalan. Uji yang paling sering digunakan dalam mendeteksi adanya
autokorelasi dalam suatu model adalah dengan cara tes Durbin Watson. Nilai statistik DW berada pada kisaran 0 sampai 4. Jika hasilnya mendekati angka 2
maka artinya adalah menunjukan bahwa dalam model tidak ada autokorelasi ordo kesatu Juanda, 2009. Pada minitab bisa dengan menggunakan run test dengan
memasukan nilai residualnya. Jika nilai p value lebih besar dari 0,1 berarti
terpenuhi tidak ada masalah autokorelasi.
Kategori