Uji Penyimpangan Asumsi Klasik

Nurhikmah : Analisis Faktor-Faktor Yang Mempengaruhi Pengeluaran Konsumsi Rumah Tangga, “Kelurahan Aek Kota Batu,Kec Na-Ix-X, Kab.Labuhan Batu Utara”, 2009. USU Repository © 2009 H diterima apabila F-hitung F-tabel H a diterima apabila F-hitung F-tabel

3.9 Uji Penyimpangan Asumsi Klasik

3.9.1 Multikolinerity

Multikolinerity dalah alat untuk mengetahui suatu kondisi, apakah terdapat korelasi variabel independen diantara satu sama lainnya. Untuk mengetahui ada tidaknya multikolinerity dapat dilihat dari R-Square, t-hitung, serta standart error. Adanya multikolinerity ditandai dengan: a. Standart error tak terhingga b. Tidak ada satupun t- statistik yang signifikan pada = 5, = 10, = 1 c. Terjadi perubahan tanda atau sesuai dengan teori d. R 2 sangat tinggi

3.9.2 Autokorelasi

Autokorelasi terjadi bila error term dari waktu yang berbeda berkorelasi. Dikatakan bahwa error term berkorelasi atau mengalami korelasi serial apabila: Variabel i. j ≠ 0; untuk i ≠ j, dalam hal ini dikatakan memiliki masalah autokorelasi. Nurhikmah : Analisis Faktor-Faktor Yang Mempengaruhi Pengeluaran Konsumsi Rumah Tangga, “Kelurahan Aek Kota Batu,Kec Na-Ix-X, Kab.Labuhan Batu Utara”, 2009. USU Repository © 2009 Ada beberapa cara untuk mengetahui keberadaan autokorelasi yaitu: a. Dengan memplot grafik b. Dengan Durbin-Watson Uji D-W test DW= ∑ ∑ − − − − n t t t er e e 1 2 2 1 2 1 1 Dengan hipotesis sebagi berikut : H : = 0, Artinya tidak ada autokorelasi Ha : = 0, Artinya ada autokorelasi Dengan jumlah sampel tertentu dan jumlah variabel independen tertentu diperoleh nilai kritis dl dan du dalam tabel distribusi Durban-Watson untuk nilai . Hipotesis yang digunakan adalah : Kurva D-W test dapat dilihat sebagai berikut : Dimana : Nurhikmah : Analisis Faktor-Faktor Yang Mempengaruhi Pengeluaran Konsumsi Rumah Tangga, “Kelurahan Aek Kota Batu,Kec Na-Ix-X, Kab.Labuhan Batu Utara”, 2009. USU Repository © 2009 H0 : Tidak ada autokorelasi DW du : Tolak H0 ada korelasi positif DW 4du : Tolak H0 ada korelasi negatif Du DW 4-du : Tolak H0 Tidak ada autokorelasi dl ≤ DW ≥ du : Tidak bisa disimpulkan inconclusive 4-du ≤ DW ≤ 4-dl : Tidak bisa disimpulkan inconclusive

3.9.3 Heterokedastisitas

Heterokedastisitas ialah suatu keadaan dimana varian dari kesalahan pengganggu tidak konstan un tuk semua nilai variabel bebas yaitu E Xi, i ≠ 0, sehingga E i 2 ≠ 2. Ini merupakan pelanggaran salah satu asumsi tentang model regresi linier berdasarkan metode kuadrat terkecil. Didalam regresi, biasanya kita berasumsi bahwa E µi 2 = 2 , untuk semua µi, artinya kesalahan penggangu, variannya sama. Pada umumnya terjadi didalam analisis data cross section yaitu data yang menggambarkan keadaan pada suatu waktu tertentu, misalnya data hasil suatu survei. Pengujian untuk mendeteksi heterokedastisitas dilakukan dengan cara: Uji Formal yaitu White White’s General Heteroskedasticity Test Uji White dimulai pengujiannya dengan membentuk model : Y = + 1X1 + 2X2 + 3X3 + i Nurhikmah : Analisis Faktor-Faktor Yang Mempengaruhi Pengeluaran Konsumsi Rumah Tangga, “Kelurahan Aek Kota Batu,Kec Na-Ix-X, Kab.Labuhan Batu Utara”, 2009. USU Repository © 2009 Kemudian, persamaan diatas dimodifikasi dengan membentuk regresi bantuan auxiliary regression sehingga model menjadi : i 2 = + 1 X 1 + 2 X 2 + 3 X 3 + 4 X 4 + 5 X 5 + 6 X 6 + 7 X 1 X 2 X 3 + 1 Pedoman adalah bahwa tidak terdapat masalah heterokedastisitas dalam hasil estimasi, jika nilai R 2 hasil regresi dikalikan dengan jumlah data atau n.R 2 = 2 hitung lebih kecil dibandingkan 2 tabel. Sementara, akan terdapat masalah heterokedstisitas apabila hasil estimasi menunjukkan bahwa 2 hitung lebih besar dibanding dengan 2 tabel.

3.10. Defenisi Operasional