commit to user
64
5.100 km telah diwakili oleh parameter α. Estimasi data panel dilakukan pada model-model tersebut dengan mengubah bentuk model tersebut menjadi
bentuk log linier.
3. Uji Asumsi Klasik
a. Multikolinearitas
Multikolinearitas merupakan suatu keadaan dimana terdapatnya lebih dari satu hubungan linear pasti di antara beberapa atau semua variabel
independen dari model regresi Gujarati, 1995: 320. Salah satu asumsi model klasik yang menjelaskan ada tidaknya hubungan antara beberapa atau semua
variabel dalam model regresi. Jika dalam model terdapat multikolinearitas, maka model tersebut memiliki kesalahan standar yang besar sehingga koefisien
tidak dapat diukur dengan ketepatan tinggi. Salah satu metode untuk mengetahui ada tidaknya multikolinearitas
adalah menggunakan pengujian dengan metode Klein. Metode ini membandingkan nilai koefisien korelasi setiap variabel penjelas r
2
xi, x
j
dengan nilai koefisien determinasi R
2
y,x
i
,x
j
,…x
n
. Jika R
2
y,x
i
,x
j
,…x
n
r
2
xi, x
j
, maka terjadi masalah multikoliearitas dalam model, sedangkan jika nilai
R
2
y,x
i
,x
j
,…x
n
r
2
xi, x
j
, maka tidak terjadi masalah multikolinearitas.
commit to user
65
b. Heteroskedastisitas
Asumsi dari model regresi linier klasik adalah kesalahan pengganggu mempunyai varians yang sama. Apabila asumsi tersebut tidak terpenuhi maka
akan terjadi heteroskedastisitas yaitu suatu keadaan dimana varians dari kesalahan pengganggu tidak sama untuk semua nilai variabel bebas. Terdapat
beberapa metode yang dapat digunakan untuk mendeteksi heteroskedastisitas dalam model empiris yaitu uji Park, uji Glejser, uji White, dan uji Breusch-
Pagan-Godfrey. Pengujian heteroskedastisitas dalam penelitian ini akan menggunakan uji White.
Dalam uji white ditawarkan dua jenis pengujian, yaitu: White Heteroscedasticity
no cross term dan White Heteroscedasticity cross term. Untuk penelitian ini digunakan pengujian White Heteroscedasticity no cross
term disebabkan banyak menggunakan variabel bebas. Jika nilai probabilitas
dari semua variabel lebih besar nilai taraf signifikansi 5, maka pada model tersebut tidak terdapat masalah heteroskedastisitas. Sebaliknya, Jika nilai
probabilitas dari semua variabel kurang atau lebih kecil dari nilai taraf signifikansi 5, maka pada model tersebut terdapat masalah heteroskedastisitas
Insukindro et al., 2003: 201.
c. Autokorelasi
