Gambar 3.2. Kurva uji t – statistic
3.7. Uji Penyimpangan Asumsi Klasik
Gujarati 2003 mengemukakan beberapa asumsi klasik yang harus dipenuhi untuk suatu hasil estimasi regresi linear agar hasil tersebut dapat
dikatakan baik dan efisien. Adapun asumsi klasik yang harus dipenuhi antara lain: 1. Model regresi adalah linear, yaitu I dalam parameter.
2. Residual variabel pengganggu µ mempunyai nilai rata-rata nol 3. Homokedastisitas atau varian dari µ adalah konstan
4. Tidak ada autokorelasi antara variabel pengganggu µ 5. Kovarian antara µ dan variabel independen X
1
adalah nol 6. Jumlah data harus lebih banyak dibandingkan dengan jumlah
parameter yang akan diestimasi 7. Tidak ada multikolinearitas
8. Variabel pengganggu harus berdistribusi normal atau stokastik
Ho diterima
Ha diterima Ha diterima
Berdasarkan kondisi tersebut di dalam ilmu ekonometrika, agar suatu model dikatakan baik dan sahih maka perlu dilakukan beberapa
pengujian seperti di bawah ini :
a. Uji multikolinearitas Multikolinearity
Suatu model regresi linear akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung multikolinearitas.
Multikolinearitas terjadi karena adanya hubungan yang kuat atau sempurna sesama variabel independen dari suatu model estimasi.
Terjadinya multikolinearitas ditandai dengan : 1 Standard error tidak terhingga
2 Tidak ada satupun t- statistik yang signifikan pada α = 1, α = 5,
α = 10 3 Terjadinya perubahan tanda atau tidak sesuai dengan teori
4 R
2
sangat tinggi
b. Uji Heteroskedastisitas
Heterokedastisitas adalah keadaan dimana terjadi ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi.
Uji heterokedastisitas digunakan untuk mengetahui ada atau tidak adanya ketidaksamaan varian dari residual pada regresi.
c. Uji Autokorelasi Serial Correlation
Autokorelasi adalah suatu keadaan dimana variabel gangguan pada periode lain. Dengan kata lain variabel gangguan tidak random.
Faktor-faktor yang menyebabkan autokorelasi antara lain kesalahan
dalam menentukan model, penggunaan log pada model dan tidak memasukkan variabel yang penting. Untuk mendeteksi ada tidaknya
autokorelasi, dapat dilakukan dengan uji Durbin – Watson sebagai berikut :
Menghitung nilai d dengan rumus : �
ℎ��
= ∑�
�
− �
�
− 1Σ
2
∑ �
� 2
Dengan jumlah sampel tertentu dan jumlah variabel independen tertentu diperoleh nilai kritis dl dan du dalam tabel distribusi Durbin-
Watson untuk berbagai nilai α. Hipotesis yang digunakan adalah sebagai berikut :
� ∶ � = 0 berarti tidak ada autokorelasi
�
1
∶ � ≠ 0 berarti ada autokorelasi
Gambar 3.3. Uji Durbin – Watson
Ho diterima no serial correlation
ρ=1 dl
du ρ=0
4-du 4-dl
ρ=-1
Dimana : Ho
: Tidak ada autokorelasi DWdl
: Tolak Ho ada korelasi positif DW4-dl
: Tolak Ho ada korelasi negatif duDW4-du
: Terima Ho tidak ada autokorelasi dl
≤DW4-du : Pengujian tidak dapat disimpulkan
4-du ≤DW≤4-dl : Pengujian tidak dapat disimpulkan
BAB IV ANALISA DAN PEMBAHASAN
4.1. Profil Kota Medan
Kategori