3.8.1.1 Uji Asumsi Klasik 1. Uji Multikolinearitas
Istilah multikolinearitas berarti adanya hubungan linear yang sempurna atau eksak perfect or exact diantara variabel-variabel bebas dalam model regresi.
Istilah kolinearitas ganda multocollinearity menunjukkan adanya lebih dari satu hubungan linear yang sempurna. Jadi, multikolinearitas adalah kondisi adanya
hubungan linear antarvariabel independen. Yana Rohmana, 2010 : 140-141. Salah satu cara untuk mendeteksi ada atau tidaknya multikolinieritas
adalah dengan uji derajat nol atau melihat korelasi parsial antar variabel independen. Sebagai aturan main yang kasar rule of thumb, jika koefisien
korelasi cukup tinggi katakanlah diatas 0,85 maka kita duga ada multikolinieritas dalam model. Sebaliknya jika koefisien korelasi relatif rendah maka kita duga
model tidak mengandung unsur multikolinieritas Agus Widarjono, 2005 : 135.
2. Heteroskedastisitas Heteroskedasticity
Salah satu asumsi pokok dalam model regresi linier klasik adalah bahwa varian-varian setiap disturbance term yang dibatasi oleh nilai tertentu mengenai
variable-variabel bebas adalah berbentuk suatu nilai konstan yang sama dengan δ
2
. Inilah yang disebut sebagai asumsi heterokedastisitas Gujarati, 2001 : 177. Heteroskedastisitas berarti setiap varian disturbance term yang dibatasi
oleh nilai tertentu mengenai variabel-variabel bebas adalah berbentuk suatu nilai konstan yang sama dengan
atau varian yang sama. Uji heteroskedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian residual satu pengamatan ke pengamatan yang lain tetap, maka disebut
homokesdasitas dan jika berbeda disebut heteroskedasitas. Salah satu cara untuk mengetahui adanya heteroskedastisitas adalah
dengan menggunakan metode Breusch-Pagan-Godfrey. Breusch-Pagan-Godfrey mengembangkan model yang tidak memerlukan penghilangan data c dan
pengurutan data, sebagai alternatif dari metode Golgfeld-Quandt. Ketentuannya, jika nilai Φ hitung lebih besar dari nilai kritis X
2
maka ada heteroskedastisitas. Jika nilai Φ hitung lebih kecil dari nilai kritis X
2
maka tidak ada heteroskedastisitas kondisi homoskedastisitas Yana Rohmana, 2010 : 176.
3. Autokorelasi autocorrelation
Secara harfiah, autokorelasi berarti adanya korelasi antara anggota observasi satu dengan observasi lain yang berlainan waktu. Dalam kaitannya
dengan asumsi metode OLS, autokorelasi merupakan korelasi antara satu residual dengan residual yang lain. Sedangkan salah satu asumsi penting metode OLS
berkaitan dengan residual adalah tidak adanya hubungan antara residual satu dengan residual yang lain Agus Widarjono, 2005 : 177.
Salah satu cara untuk mendeteksi ada atau tidaknya autokorelasi pada model regresi adalah dengan metode Breusch-Pagan-Godfrey atau Lagrange
Multiplier. Breusch dan Godfrey mengembangkan uji autokorelasi yang lebih umum dan dikenal dengan uji Lagrange Multiplier LM. Dalam pengambilan
keputusan dapat dilakukan dengan melihat nilai probabilitasnya.
• Jika nilai probabilitasnya lebih besar dari α = 5, berarti tidak ada
autokorelasi; •
Jika nilai probabilitasnya lebih kecil atau sama dengan α = 5, berarti ada autokorelasi.
Yana Rohmana, 2010 : 198, 200
3.8.2 Pengujian Hipotesis