β
Y X
elastisitas Y terhadap X ............................................... 3.10
3.4.2 Deteksi Penyimpangan Asumsi Klasik
Dalam melakukan analisis regresi berganda dengan metode OLS, deteksi penyimpangan asumsi klasik harus dilakukan. Deteksi asumsi klasik tersebut
antara lain adalah :
3.4.2.1 Deteksi Normalitas
Deteksi normalitas dilakukan untuk mengetahui apakah dalam model regresi variabel dependen dan independen mempunya distribusi normal atau tidak,
karena dalam model yang baik haruslah memiliki distribusi data yang normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual
mengukuti distribusi normal. Bila asumsi ini tidak terpenuhi maka uji statistik menjadi tidak berlaku Ghozali, 2005.
Terdapat beberapa cara untuk menguji residual antara lain Jarque-Bera J- B Test dan metode grafik. Dalam penelitian ini digunakan uji J-B untuk
mengetahui baagaimana distribusi residualnya. Jika nilai J-B hitung Chi-Square tabel, maka data terdistribusi normal.
3.4.2.2 Deteksi Autokorelasi
Autokorelasi adalah keadaan dimana variabel pengganggu pada periode tertentu berkorelasi dengan variabel pada periode lain, atau dengan kata lain
variabel pengganggu bersifat tidak random. Faktor-faktor yang menyebabkan
autokorelasi antara lain adalah kesalahan dalam menentukan model, memasukkan variabel yang penting.
Deteksi autokorelasi dilakukan untuk mendeteksi apakah dalam model regresi linier terdapat korelasi antara nilai residual periode t dengan periode
sebelumnya t-1. Bila terdapat korelasi antar periode maka model terjangkit permasalahan autokorelasi. Auto korelasi mudah timbul pada data time series,
karena berdasarkan sifatnya, data sekarang dipengaruhi oleh data sebelumnya Gujarati, 2004. Autokorelasi menyebabkan selang keyakinan dalam estimator
OLS semakin lebar. Dalam hal ini uji t dan F tidak lagi menjadi valid dan kurang kuat. Autokorelasi mengakibatkan koefisien regresi yang dihasilkan tidak efisien
sehingga tidak dapat dilakukan. Untuk mendeteksi autokorelasi dapat dilakukan dengan melihat nilai
Durbin-Watson d Test dari hasil estimasi. Adapun pengambilan keputusan pada d Test adalah sebagai berikut Gujarati, 2004 :
Tabel 3.1 Pengambilan Keputusan Uji d Durbin-Watson
H Keputusan
Jika
Tidak terdapat autokorelasi positif
Tolak 0 d d
L
Tidak terdapat autokorelasi positif
Tidak dapat disimpulkan d
L
d d
U
Tidak terdapat autokorelasi negatif
Tolak 4-d
L
d 4
Tidak terdapat autokorelasi negatif
Tidak dapat disimpulkan 4-d
U
d 4-d
L
Tidak terdapat autokorelasi positif maupun negatif
Tidak menolak d
U
d 4-d
U
Sumber : Gujarati, 2004 dimana d
U
adalah batas atas dan d
L
adalah batas bawah pada uji d Durbin-Watson. Nilai dU dan dL dapat diperoleh dari Tabel d pada Gujarati 2004. Kelemahan
pada uji d adalah apabila nilai d statistik berada pada daerah yang tidak dapat disimpulkan.
3.4.2.3 Deteksi Heteroskedastisitas
Kategori