3.5. Teknik Analisis dan Uji Hipotesis
3.5.1. Uji Asumsi Klasik
Persamaan regresi tersebut harus bersifat BLUE Best Linier Unbiased Estimator
, artinya pengambilan keputusan uji F tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi tiga
asumsi dasar yang tidak boleh di langgar oleh regresi linier, yaitu : 1.
Tidak boleh ada autokorelasi 2.
Tidak boleh ada multikolinearitas 3.
Tidak boleh ada heteroskedastisitas Apabila salah satu dari tiga asumsi dasar tersebut di langgar maka
persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga pengambilan keputusan melalui uji t menjadi bias. Gujarati,1999 : 153 .
1. Autokorelasi
Autokorelasi merupakan korelasi hubungan yang terjadi antara anggota–anggota dari serangkaian pengamatan observasi yang tersusun
dalam rangkaian waktu atau rangkaian ruang. Adanya gejala autokorelasi menggambarkan varians populasinya dan hasil regresi tidak dapat
digunakan untuk menaksir nilai variabel dependen pada nilai variabel independen tertentu.
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode t
dengan kesalahan pada periode t-1 sebelumnya. Untuk mengetahui ada atau tidaknya gejala autokorelasi maka perlu dilakukan uji Durbin
Watson. Pedoman model regresi untuk mendeteksi autokorelasi menurut besaran DW Durbin-Watson: Singgih, 2001:219
a. Angka D-W dibawah –2 berarti ada autokorelasi positif b. Angka D-W –2 sampai +2 berarti tidak ada autokorelasi
c. Angka D-W diatas +2 berarti ada autokorelasi negative.
2. Multikolinearitas
Multikolinearitas merupakan satu keadaan dimana satu atau lebih variabel independent terdapat korelasi atau hubungan dengan variabel
independent lainnya.
Dari diagnosis atau dugaan adanya multikolinearitas tersebut maka perlu adanya pembuktian atau identifikasi secara statistik ada tidaknya
gejala multikolinearitas yang dapat dilakukan dengan cara menghitung Variance Inflaction Factor
VIF. VIF menyatakan tingkat “pembengkakan” variance, apabila nilai VIF lebih besar dari 10, hal itu
berarti terdapat multikolinearitas pada persamaan. 3.
Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual atau pengamatan ke
pengamatan lainnya. Kebanyakan data cross section mengandung situasi heteroskedastisitas, karena ini mengimpun data yang terwakili berbagai
ukuran kecil, sedang, dan besar. Salah satu cara untuk mendeteksi ada atau tidaknya
heteroskedastisitas adalah dengan cara menggunakan uji Rank Spearman
yaitu dengan membandingkan antara residual dengan seluruh variabel bebas. Mendeteksi adanya heteroskedastisitas adalah sebagai berikut :
Gujarati,1999 : 177 a. Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas
b. Nilai probabilitas 0,05 berarti terkena heteroskedastisitas
3.5.2. Teknik Analisis
Kategori