4.3.3.6 Uji
Multicollinearity
Multicollinearity adalah suatu hubungan linier antara dua atau lebih
variabel penjelas dalam suatu persamaan tertentu. Jika terjadi korelasi yang sempurna di antara variabel penjelas maka koefisien parameter menjadi tidak
dapat ditaksir dan nilai standard error setiap koefisien estimasi menjadi tidak terhingga Sitepu dan Sinaga 2006. Saefudin et al., 2010 menyebutkan bahwa
persamaan terdapat masalah multicollinearity antar peubah penjelas jika nilai variance inflation factor
VIF lebih besar dari 10.
4.3.3.7 Uji Kehomogenan Sisaan
Pendugaan parameter dengan metode kuadrat terkecil mengasumsikan ragam sisaan selalu tetap atau homogen. Kondisi ini disebut dengan
homokedastisitas homokedasticity, sedangkan kondisi sebaliknya disebut heterokedastisitas
heterokedasticity. Tidak
terpenuhinya asumsi
ini menyebabkan ragam nilai dugaan parameter regresi cenderung akan besar.
Konsekuensi lain adalah selang kepercayaan bagi nilai dugaan parameter menjadi lebih lebar, uji t dan uji F tidak akurat sehingga mempengaruhi keakuratan dalam
pengambilan keputusan. Saefudin et al., 2010 menyebutkan bahwa pada program SAS uji
keragaman sisaan bisa dideteksi melalui uji White dilihat dari nilai chi-square atau
nilai p. Jika nilai chi-square lebih kecil dari nilai chi square tabel maka asumsi
kehomogenan sisaan terpenuhi, jika p lebih besar dari taraf nyata maka asumsi
kehomogenan sisaan terpenuhi tidak terjadi heterokedastisitas. 4.3.3.8
Elastisitas
Elastisitas digunakan untuk mendapatkan ukuran kuantitatif respon suatu fungsi terhadap faktor-faktor yang mempengaruhinya. Nilai elastisitas jangka
pendek diperoleh dari rumus berikut Pindyck dan Rubinfeld 1998: Esr Yt,Xt
= βt XtYt dimana:
Esr Yt,Xt = elastisitas jangka pendek variabel penjelas Xt, terhadap variabel endogen Yt.
Β t
= Parameter estimasi variabel penjelas Xt Xt
= Rata-rata variabel penjelas Xt