Multikolinearitas Autokorelasi Heteroskedastisitas Uji Pelanggaran Asumsi

uji Hausmant test maka dapat melakukan uji pelanggaran terhadap asumsi yang digunakan di dalam model.

3.5.1 Multikolinearitas

Multikolinearitas adalah hubungan linear yang kuat antara variabel-variabel independen dalam persamaan regresi berganda. Jika nilai R 2 yang diperoleh tinggi antara 0,7 hingga 1 tetapi tidak terdapat atau sedikit sekali koefisien dugaan yang nyata pada taraf uji tertentu dan tanda koefisien regresi dugaan tidak sesuai teori maka model yang digunakan berhubungan dengan masalah multikolinearitas. Cara yang dapat dilakukan untuk mengatasi multikolinearitas dapat diatasi dengan memberi perlakuan cross section weights, sehingga parameter dugaan pada taraf uji tertentu t-statistik maupun F hitung menjadi signifikan.

3.5.2 Autokorelasi

Autokorelasi adalah korelasi yang terjadi antara serangkaian individu yang diteliti yang diurut menurut waktu time series atau ruang cross section. Dalam hal ini autokorelasi sering menimbulkan masalah yang serius sehingga menyebabkan varians residual yang diperoleh lebih rendah, sehingga R 2 terlalu tinggi dan pengujian hipotesis t statistik dan F statistik menjadi tidak menyakinkan. Uji yang sering digunakan untuk mendeteksi apakah pada data yang diamati terjadi autokorelasi atau tidak maka menggunakan uji Durbin Watson dengan membandingkan DW statistiknya dengan DW tabel. Untuk mengatasi masalah ini adalah dengan menggunakan metode Generalized Least Square dalam estimasi model Gujarati, 2004. Adapun kerangka identifikasi autokorelasi terangkum dalam tabel 3.2. Tabel 3.2 Kerangka identifikasi autokorelasi Nilai Durbin-Watson Kesimpulan DW 1,10 Ada autokorelasi 1,10 DW 1,54 Tanpa kesimpulan 1,55 DW 2,46 Tidak ada autokorelasi 2,46 DW 2,90 Tanpa kesimpulan DW 2,91 Ada autokorelsi Sumber : Firdaus, 2004

3.5.3 Heteroskedastisitas

Bila dalam suatu model dijumpai adanya masalah heteroskedastisitas maka model menjadi tidak efisien meskipun tidak bias dan konsisten. Untuk mengetahui adanya pelanggaran asumsi heteroskedastisitas digunakan uji White Heteroscedasticity yang diperoleh dalam program Eviews. Nilai estimasi parameter dalam model regresi diasumsikan bersifat BLUE Best Linier Unbiased Estimate . Hal ini menyebabkan var ui harus sama dengan σ2 konstan, atau semua residual atau error mempunyai varian yang sama, yang disebut dengan homoskedastisitas. Menurut Gujarati 2003 bahwa masalah heteroskedastisitas nampaknya menjadi lebih biasa dalam data cross section dibandingkan data time series.

3.5.4 Uji Normalitas