Hipotesis Konsep Dummy Variabel

65 regresi sederhana yang terdiri atas satu variabel independen dan satu variabel dependen. Indikasi multikolinieritas ditunjukkan dengan beberapa informasi antara lain: 1. Nilai R 2 tinggi, tetapi variabel independen banyak yang tidak signifikan. 2. Dengan menghitung koefisien korelasi antar variabel independen. Apabila korelasi antar variabel independen diatas 0,85 atau 85 maka mengandung multikolinieritas. 3. Dengan melakukan regresi auxiliary. Regresi jenis ini dapat digunakan untuk mengetahui hubungan antara dua variabel independen atau lebih yang secara bersama-sama mempengaruhi satu variabel independen lainnya. Winarno 2011:5.7-5.8 menjelaskan ada beberapa alternatif dalam menghadapi masalah multikolinieritas. Alternatif tersebut adalah: 1. Biarkan saja model mengandung multikolinieritas, karena estimasinya masih bersifat BLUE. Sifat BLUE tidak terpengaruh oleh ada atau tidaknya korelasi antar variabel independen. 2. Tambahkan datanya bila memungkinkan, karena masalah multikolinieritas muncul karena jumlah observasinya sedikit. 3. Hilangkan salah satu variabel independen, terutama yang memiliki hubungan linier yang kuat dengan variabel lain. 66 4. Transformasikan salah satu variabel, termasuk misalnya dengan melakukan diferensi.

c. Uji Heteroskedastis

Asumsi dalam model regresi adalah dengan memenuhi 1 residual memiliki nilai rata-rata nol, 2 residual memiliki varian yang konstan, dan 3 residual suatu observasi tidak saling berhubungan dengan residual observasi lainnya sehingga menghasilkan estimator yang BLUE. Apabila asumsi 1 terpenuhi yang terpengaruh hanyalah slop estimator dan ini tidak membawa koefisien serius dalam analisis ekonometrik. Sedangkan jika asumsi 2 dan 3 tidak terpenuhi, maka akan berdampak pada prediksi dengan model yang dibangun. Dalam kenyataannya, nilai residual sulit memiliki varian yang konstan. Hal ini sering terjadi pada data yang bersifat cross section dibanding time series . Winarno,2011:5.8 Ada beberapa metode yang dapat digunakan untuk mengidentifikasi ada tidaknya masalah heteroskedastisitas. Diantaranya dapat menggunakan Uji White. Untuk mengetahuinya yaitu dengan membandingkan nilai probabilitas dari obsR-Squared. Apabila nilai probabilitas obsR-Squared lebih besar dari 0,05 maka dapat dikatakan data terbebas dari gejala Heteroskedastisitas Winarno, 2011:5.16.