Juni Ashari Nasution : Analisis Pengaruh Pertumbuhan Ekonomi, Investasi, Dan Jumlah Industri Terhadap Penyediaan Kesempatan Kerja Di Sumatera Utara, 2009.
USU Repository © 2009
Gambar 3.2 Kurva Uji F Statistik
3.7 Uji Asumsi Klasik
Asumsi klasik merupakan asumsi yang digunakan untuk membuat estimasi atau perkiraan, pengujian hipotesis, dan ramalan interval nilai variabel terikat Y.
3.7.1 Multikolinearitas
Multikolinearitas adalah suatu fenomena yang terjadi pada model regresi jika dua atau lebih variabel independen cenderung berubah dengan pola yang sama. Variabel-varabel
tersebut biasanya punya hubungan yang sangat erat dan tidak mungkin dianalisis secara terpisah pengaruhnya terhadap variabel dependen.
Ada tidaknya multikolinearitas dapat ditandai dengan : a.
Standar error tidak terhingga b.
R
2
sangat tinggi akan tetapi t-statistik berubah tanda dan tidak signifikan c.
Tidak ada satupun t-statistik yang signifikan pada = 10, = 5, = 1. Pengaruh multikolineritas terhadap nilai taksiran :
a. Nilai-nilai koefisien tidak mencerminkan nilai yang benar.
b. Karena standar errornya tinggi maka kesimpulan tidak dapat diambil melalui t-test.
c. T-test tidak dapat dipakai untuk menguji keseluruhan hasil taksiran.
d. Tanda yang diharapkan pada hasil taksiran koefisien akan bertentangan menurut teori.
H diterima
H
a
diterima
Juni Ashari Nasution : Analisis Pengaruh Pertumbuhan Ekonomi, Investasi, Dan Jumlah Industri Terhadap Penyediaan Kesempatan Kerja Di Sumatera Utara, 2009.
USU Repository © 2009
Untuk mengatasinya dapat dilakukan dengan cara sebagai berikut: a.
Salah satu variabel independen jangan diikutsertakan dalam menaksir model. Tetapi harus diperhatikan mungkin variabel tersebut secara teori berhubungan terhadap
variabel dependen maka hasil taksiran akan menjadi bias. b.
Mendefinisikan kembali variabel-variabel tersebut. c.
Penambahan data-data.
3.7.2 Autokorelasi
Istilah autokorelasi dapat didefinisikan sebagai korelasi disturbance error antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data deretan
waktu atau ruang seperti dalam data cross-sectional. Model regresi linear klasik mengasumsikan autokorelasi tidak terdapat di dalamnya disturbansi atau gangguan u
i
Gujarati, 1999: 201. Dilambangkan dengan : Eu
i
u
j
= 0 i ≠ j
Faktor-faktor yang menyebabkan autokorelasi terjadi : a.
Spatial autokorelation Biasanya terjadi pada data cross section. Fluktuasi atau perubahan aktivitas
kegiatan ekonomi dari satu daerah akan mempengaruhi kegiatan ekonomi daerah terdekat karena ada keterkaitan ekonomi antara daerah tersebut.
b. Pengaruh yang berkelanjutan Prolonged Influence of Shocks
Hal ini sering terjadi pada time series data, yaitu faktor bencana alam dan faktor lain yang sangat mempengaruhi kegiatan ekonomi sehingga akan terasa pada periode
berikutnya. c.
Inersia Psychological Conditioning
Juni Ashari Nasution : Analisis Pengaruh Pertumbuhan Ekonomi, Investasi, Dan Jumlah Industri Terhadap Penyediaan Kesempatan Kerja Di Sumatera Utara, 2009.
USU Repository © 2009
Yaitu tindakan-tindakan atau pengaruh masa lalu yang akan masih mengganggu kegiatan atau aktivitas selanjutnya misalnya peningkatan suku bunga, pajak dan lain-
lain. d.
Manipulasi data Yaitu adanya interpolasi data atau penambahan data.
e. Bias spesifikasi Mis Specification
Hal ini terjadi karena tidak disertakannya variabel independen yang berhubungan di mana variabel independen tersebut sebenarnya turut mempengaruhi variabel
dependen.
D-W Test Uji Durbin-Watson
D-W test digunakan untuk mengetahui apakah dalam model terdapat autokorelasi ataupun antara disturbance error-nya.
∑ ∑
− −
−
− =
n t
t t
et e
e DW
1 2
1 2
2 1
1
Tabel 3.1 Kriteria Pengambilan Keputusan D-W Test
Nilai D-W Berdasarkan Estimasi Model Regresi
Kesimpulan
Juni Ashari Nasution : Analisis Pengaruh Pertumbuhan Ekonomi, Investasi, Dan Jumlah Industri Terhadap Penyediaan Kesempatan Kerja Di Sumatera Utara, 2009.
USU Repository © 2009
4-D.W.LDW4
4-DWUDW4-DWL 2DW4-DWU
DWUDW2 DWLDWDWU
0DWDWL Tolak H
. Terdapat serial korelasi negatif di antara disturbance error.
Tidak ada kesimpulan. Terima H
0.
Terima H
a.
Tidak ada kesimpulan. Tolak H
. Terdapat serial korelasi positif di antara disturbance terms.
Bentuk hipotesis dari uji D-W sebagai berikut: H
: p = 0 → tidak ada serial korelasi
H : p
≠ 0 → ada serial korelasi
Gambar 3.3 Kurva D-W Statistik
3.8 Definisi Operasional Variabel
