42
pengaruh yang signifikan dari variabel-variabel independen terhadap variabel dependen. Sedangkan kriteria ekonometrika didasari asumsi-asumsi dari Ordinary
Least Square OLS seperti pengujian autokorelasi, heteroskedastisitas,
multikolinearitas dan normalitas. Jika uji-uji ekonometrika dipenuhi, maka koefisien atau parameter yang diperoleh adalah penduga linear terbaik yang tidak bias BLUE.
3.5. Uji Pelanggaran Asumsi Klasik Diagnostic Test 3.5.1. Multikolinearitas
Salah satu asumsi dari model regresi ganda adalah bahwa tidak ada hubungan linear sempurna antar peubah bebas dalam model tersebut. Jika hubungan tersebut
ada, kita katakan bahwa peubah-peubah bebas tersebut berkolinearitas ganda sempurna perfect multicolinearity. Uji multikolinearitas merupakan pengujian yang
dilakukan untuk melihat apakah terdapat hubungan linear di antara beberapa atau semua variabel bebas dari model regresi dengan melihat koefisien korelasi antara
variabel eksogen dalam suatu matriks korelasi. Jika terdapat multikolinearitas maka tidak mungkin dipertahankan asumsi bahwa semua variabel lain konstan ketika salah
satu variabel bebas berubah Gujarati, 2003.
3.5.2. Heteroskedastisitas
Menurut Gujarati 2003, salah satu asumsi dari model regresi linear adalah bahwa ragam sisaan
ε
t
sama atau homogen. Dengan pengertian lain, Var
ε
i
=E ε
i 2
= σ
2
untuk setiap pengamatan ke-i dari peubah-peubah bebas dalam model regresi. Asumsi ini disebut homoskedastisitas. Jika ragam sisaan tidak sama
atau Var ε
i
≠ Eε
i 2
≠ σ
2
untuk setiap pengamatan ke-i dari peubah-peubah bebas dalam model regresi, maka kita katakan ada masalah heteroskedastistas.
43
Akibat dari heteroskedastisitas adalah dugaan parameter koefisien regresi dengan metode OLS tetap tidak bias, dan masih konsisten, tetapi standar error-nya
bias ke bawah. Selanjutnya, heteroskedastisitas juga dapat mengakibatkan penduga OLS tidak efisien lagi. Pengujian yang dapat dilakukan untuk mendeteksi
heteroskedastisitas yaitu dengan uji White-Heteroskedasticity, Breusch-Pagan- Godfrey, Harvey
. Apabila nilai ObsR-Squared lebih kecil dari taraf nyata maka tolak H
berarti terjadi heteroskedastisitas dalam model, sedangkan jika probabilitas ObsR-Squred lebih besar dari taraf nyata maka tidak terdapat heteroskedastisitas.
Hipotesis: H
0 :
ρ = 0 H
1 :
ρ ≠ 0
3.5.3. Autokorelasi
Autokorelasi terjadi pada serangkaian data time series dimana unsur gangguan pada suatu pengamatan secara sistematik tergantung pada unsur ganggguan pada
pengamatan yang lain. Autokorelasi akan memengaruhi efisiensi model dan berdampak pada ketidakkonsistenan dan ketidakbiasan model. Rumusan dari adanya
autokorelasi dalam permodelan adalah sebagai berikut: E
ε
i
, ε
j
≠0 i≠j Dimana:
ε
i
= unsur gangguan pengamatan i ε
j
= unsur gangguan pengamatan j Uji yang digunakan untuk mendeteksi apakah data yang diamati terjadi
autokorelasi atau tidak adalah uji Breusch-Godfrey Serial Correlation LM Test. Hipotesis yang digunakan dalam uji autokorelasi adalah sebagai berikut:
44
H :
ρ = 0 H
1
: ρ ≠ 0
Apabila probabilitas ObsR-Squared lebih besar dari taraf nyata maka tidak ditemukan autokorelasi pada model. Jika probabilitas ObsR-Squared lebih kecil dari
taraf nyata maka ditemukan autokorelasi pada model Gujarati, 2003.
3.5.4. Uji Normalitas
