7. Tidak ada multikolinieritas. 8. Variabel pengganggu harus berdistribusi normal atau stokastik. Wahyu Ario
Pratomo dan Paidi Hidayat, 2007:88 Berdasarkan beberapa kondisi diatas, maka perlu dilakukan beberapa
pengujian sebagai berikut:
3.8.1. Multikolinieritas
Multikolinieritas adalah suatu keadaan dimana satu atau lebih variabel independen dapat dinyatakan sebagai kombinasi linier dari variabel independen
lainnya. Untuk mengetahui ada tidaknya multikolinieritas dapat dilihat dari nilai R
2
, F-hitung, t-hitung, dan standard error.
Adapun multikolinieritas ditandai dengan: a.
Standard error tidak terhingga b.
Tidak ada satupun atau sangat sedikit t-statistik yang signifikan pada 10
, 5
, 1
= =
= α
α α
c. Terjadi perubahan tanda atau tidak sesuai dengan teori
d. R
2
sangat tinggi Catur Sugiyanto, 1994:82 Pengujian yang lain, yang dapat digunakan untuk melihat multikolinieritas
antar variabel adalah dengan menggunakan uji parsial. Wahyu Ario Pratomo dan Paidi Hidayat, 2007:90
Universitas Sumatera Utara
3.8.2. Heterokedastisitas
Heterokedastisitas terjadi apabila variabel pengganggu Error Term tidak mempunyai varian yang konstan sama untuk semua observasi sehingga residual
variabel pengganggu tidak bernilai nol atau
2 2
σ µ
≠ i
E
. Ini merupakan pelanggaran salah satu asumsi klasik tentang model regresi
linier berdasarkan metode kuadrat terkecil biasa. Heterokedastisitas pada umumnya lebih banyak ditemui pada data cross section yaitu data yang menggambarkan
keadaan pada suatu waktu tertentu misalnya data hasil suatu survei. Keberadaan heterokedastisitas akan dapat menyebabkan kesalahan dalam penaksiran sehingga
koefisien regresi menjadi tidak efisien dan dapat meyesatkan. Nachrowi Djalal Nachrowi dan Hardius Usman, 2006:109
Menguji Heterokedastisitas
Untuk menguji keberadaan heterokedastisitas dilakukan dengan cara Uji Formal yaitu Uji White white`s General Heterocedasticity Test.
Uji White memulai pengujiannya dengan membentuk model:
i i
X X
X Y
µ β
β β
β +
+ +
+ =
3 3
2 2
1 1
Kemudian persamaan di atas, dimodifikasi dengan membentuk regresi bantuan auxiliary regression sehingga model menjadi:
i i
X X
X X
X X
X X
X
υ α
α α
α α
α α
α µ
+ +
+ +
+ +
+ +
=
3 2
1 7
2 3
6 2
2 5
2 1
4 3
3 2
2 1
1 2
Pedoman dari penggunaan uji white ini adalah tidak terdapat masalah heterokedastisitas dalam hasil estimasi, jika nilai R
2
hasil regresi dikalikan dengan
Universitas Sumatera Utara
jumlah data atau n.R
2
=
2
χ hitung lebih kecil dibandingkan
2
χ tabel. Sementara, akan terdapat masalah heterokedastisitas apabila hasil estimasi menunjukkan bahwa
2
χ hitung lebih besar dibandingkan
2
χ tabel. Jika nilai probability lebih kecil dari 0.05, maka terdapat heterokedastisitas pada hasil estimasi dan sebaliknya. Wahyu
Ario Pratomo dan Paidi Hidayat, 2007:98. Cara Megobati Masalah Heterokedastisitas:
Untuk mengatasi masalah heterokedastisitas adalah dengan menggunakan metode kuadrat terkecil tertimbang Weighted Least SquareWLS.
Model estimasi regresi penelitian adalah:
i i
X X
X Y
µ β
β β
β +
+ +
+ =
3 3
2 2
1 1
Kemudian sisi kiri dan sisi kanan dari persamaan di atas dengan varians
2
σ , sehingga model estimasi menjadi:
i i
i i
i i
i i
X X
X Y
σ µ
σ α
σ α
σ α
σ α
σ +
+ +
+ =
3 3
2 2
1 1
Nilai
i
σ dalam ekonometrika disebut sum of squares residual = RSS dibagi dengan jumlah variabel penjelas k. Nilai
i
σ kemudian ditransformasikan kedalam masing-masing variabel. Sebagai rujukan untuk melihat apakah hasil estimasi regresi
telah lolos dari masalah heterokedastisitas, maka perhatikan nilai sum of squared resid. Bila angka sum of squared resid cenderung menurun, maka dapat dikatakan
bahwa model yang diestimasi lolos dari masalah heterokedastisitas. Wahyu Ario Pratomo dan Paidi Hidayat, 2007: 100
Universitas Sumatera Utara
3.8.3. Uji Normalitas
