ekonometrika dengan melakukan pengujian asumsi pada model menyangkut uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
A. Pengujian Asumsi Model
1. Uji Multikolinearitas
Multikolinearitas merupakan suatu penyimpangan asumsi akibat adanya keterkaitan atau hubungan linear antar variabel bebas penyusun model. Suatu
model regresi dikatakan memiliki gejala multikolinearitas jika terdapat beberapa indikasi berikut ini Gujarati, 1978:
a. Nilai R
2
tinggi misalnya antara 0,7 dan 1, tetapi variabel bebas banyak yang tidak signifikan.
b. Tanda tidak sesuai yang diharapkan.
c. Korelasi sederhana antar variabel individu tinggi R
ij
tinggi. d.
R
2
r
ij
menunjukkan adanya multikolinearitas. Terdapat beberapa cara mengatasi masalah multikolinearitas, diantaranya:
a. Menggunakan informasi sebelumnya
b. Mengkombinasikan data cross section dan data time series
c. Menghilangkan variabel yang sangat berkorelasi
d. Mentransformasikan variabel
e. Penambahan data baru
2. Uji Autokorelasi
Akibat adanya autokorelasi dalam model yang diestimasi, yaitu pendugaan parameter masih tetap tidak bias dan konsisten. Namun, penduga ini memiliki
standar error yang bias ke bawah, atau lebih kecil dari nilai yang sebenarnya sehingga nilai statistik uji-t tinggi overestimate. Salah satu cara untuk mengatasi
masalah ini adalah dengan menggunakan metode Generalized Least Square dalam estimasi model. Untuk mengetahui ada tidaknya masalah autokorelasi pada model
dapat dilihat dari hasil uji Durbin-Watson DW. Kisaran nilai Durbin-Watson DW yang mengindikasikan ada tidaknya masalah autokorelasi dapat dilihat pada
Tabel 3.3.
Tabel 3.3. Selang Nilai Statistik Durbin-Watson serta Keputusannya Nilai Durbin-Watson
Kesimpulan
DW 1,10 Ada autokorelasi
1,10 DW 1,54 Tanpa kesimpulan
1,55 DW 2,46 Tidak ada autokorelasi
2,46 DW 2,90 Tanpa kesimpulan
DW 2,91 Ada autokorelasi
Sumber: Firdaus, 2004
3. Uji Heteroskedastisitas
Jika seluruh faktor pengganggu pada model tidak memiliki varian yang konstan maka diduga model mengalami masalah heteroskedastisitas atau dengan
kata lain, heteroskedastisitas terjadi jika ragam sisaan tidak konstan. Mendeteksi adanya heteroskedastisitas adalah dengan membandingkan Sum Square Resid
pada Weighted Statistics dengan Sum Squared Resid pada Unweighted Statistics. Jika Sum Square Resid pada Weighted Statistics Sum Squared Resid pada
Unweighted Statistics , maka terjadi heteroskedastisitas. Untuk mengatasi masalah
ini digunakan metode White Heteroscedasticity yang diestimasi dengan Generalized Least Square
GLS. B.
Pengujian Hipotesis
Adapun kriteria yang ditentukan untuk dapat menguji model yang dianalisis sudah baik atau tidak baik, yaitu Juanda, 2009:
1. Uji-F
