variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
3.7. Pengujian Penyimpangan Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square OLS. Jadi
analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak
semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana
dan uji autokorelasi tidak perlu diterapkan pada data cross sectional. Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear
yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan market model, atau market adjusted model.
Perhitungan nilai return yang diharapkan dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik.
3.7.1. Kolinearitas Ganda Multicollinearity
Kolinearitas ganda multicollinearity berarti adanya hubungan linear yang sempurna atau eksak perfect or exact di antara variabel-variabel
independen dalam model regresi. Pada kasus terdapat multikolinieritas serius, koefisien regresi tidak lagi menunjukkan pengaruh murni dari variabel
independen Supranto, 1984. Pengujian terbaik yang dilakukan mengetahui ada tidaknya kolinearitas
ganda adalah melalui Uji Klein, yaitu dengan membuat regresi setiap variabel independen X
i
terhadap variabel independen lainnya auxiliary regression dan
Universitas Sumatera Utara
menghitung R
2
x
i
. Uji Klein meliputi langkah langkah-langkah sebagai berikut Supranto, 1984 :
1. Regres model lengkap, misalnya:
Y = b + b
1
X
1
+ b
2
X
2
+ e
2. Regres masing-masing variabel independen terhadap seluruh variabel
independen lainnya, dapatkan nilai R
2
x
i
. Regresi ini disebut auxiliary regression, yang pada penelitian ini meliputi:
- X
1
= b + b
1
X
2
+ e; R
2
x
1
. x
2
- X
2
= b + b
2
X
1
+ e; R
2
x
2
. x
1
3. Apabila diperoleh R
2
x
i
R
2
, berarti terdapat masalah kolinearitas ganda.
3.7.2. Otokorelasi Autocorrelation
Otokorelasi terjadi apabila nilai variabel masa lalu memiliki pengaruh terhadap nilai variabel masa kini, atau masa datang. Konsekuensi dari keberadaan
otokorelasi adalah metode regresi OLS akan menghasilkan estimasi yang terlalu rendah untuk nilai variasi e
t
dan karenanya menghasilkan estimasi yang terlalu tinggi untuk R
2
. Bahkan ketika estimasi nilai variasi e
t
tidak terlalu rendah, maka estimasi dari nilai variasi dari koefisien regresi mungkin akan terlalu rendah dan
karenanya akan signifikansi dari uji t dan uji F tidak valid lagi atau menghasilkan konklusi atau kesimpulan yang menyesatkan Supranto, 1984.
Pengujian terbaik yang dilakukan mengetahui ada tidaknya kolinearitas ganda adalah melalui Uji Breusch–Godfrey BG. Tahapan formulasi Uji
Breusch-Godfrey BG dengan menggunakan E-Views 6 adalah sebagai berikut Brooks, 2008 :
Universitas Sumatera Utara
1. Formulasi hipotesa.
- H
: ρ = 0, tidak terdapat masalah korelasi serialotokorelasi dalam model.
- H
a
: ρ ≠ 0, terdapat masalah korelasi serialotokorelasi dalam model.
2. Menentukan tingkat signifikansi α, misalnya digunakan α = 0,05.
3. Menentukan kriteria pengujian.
- H
diterima apabila Nilai Probabilitas χ2 α. -
H
a
diterima apabila Nilai Probabilitas χ2 ≤ α.
4. Kesimpulan.
3.8 Definisi Operasional
