Multikolinieritas Autokorelasi Uji Penyimpangan Asumsi Klasik

Ho diterima Ha diterima Gambar 3.2 Kurva Uji F-statistik

3.9 Uji Penyimpangan Asumsi Klasik

Model regresi merupakan model regresi yang menghasilkan estimator linear tidak bias yang terbaik Best Linear Unbias EstimateBLUE. Kondisi ini akan terjadi jika dipenuhi beberapa asumsi yang disebut dengan asumsi klasik, sebagai berikut:

3.9.1 Multikolinieritas

Multikolinearitas adalah alat untuk mengetahui suatu kondisi apakah terdapat korelasi variabel independen diantara satu sama lainnya. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai R 2 , F-hitung, t- hitung dan standar error Gujarati, 2003. Adanya multikolinearitas ditandai dengan: 1. Standar error tidak terhingga 2. Tidak ada satupun t-statistik yang signifikan pada ⍺ = 1, ⍺ = 5, ⍺ = 10 3. Terjadi perubahan tanda atau tidak sesuai dengan teori 4. R 2 sangat tinggi. Uji multikolinearitas diperoleh dengan beberapa langkah yaitu : Universitas Sumatera Utara a. Melakukan regresi model Y =fX 1, …..X n sehingga diperoleh nilai R- square. b. Melakukan regresi X 1 terhadap seluruh X lainnya, maka diperoleh nilai R i square regresi ini disebut auxiliary regression; dan Membandingkan nilai R i square dengan R-square. Hipotesa yang dapat dipakai adalah Ho diterima apabila R i square R-square model pertama berarti tidak terjadi multikolinearitas dan Ha diterima apabila R i square R- square model pertama berarti terjadi masalah multikolinearitas. Cara Mengatasi Multikolinieritas:  Menambah data baru.  Pemakaian informasi sebelumnya.  Menghilangkan sebuah atau beberapa variabel independen.

3.9.2 Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu periode t dengan kesalahan pada periode t -1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi Gujarati, 2003. Konsekuensi adanya autokorelasi:  Penaksiran OLS menjadi sangat sensitif terhadap fluktuasi sampel.  Penaksir variabelnya tidak lagi efisien. Untuk mendeteksi ada atau tidaknya autokorelasi digunakan untuk uji Durbin-Watson dimana hipotesis yang akan diuji adalah : Ho : tidak ada autokorelasi r = 0 Universitas Sumatera Utara Hi : ada autokorelasi r ≠ 0 Bila nilai DW terletak antara batas atas atau upper bound du dan 4-du, maka koefisien atau korelasi sama dengan nol, berarti tidak ada korelasi. auto+ inconclusive inconclusive auto - Ho: accept No Serial Correlation dl du 2 4-du 4-dl 4 Gambar 3.3 Daerah Autokorelasi Tabel 3.1 Uji Statistik Durbin-Watson Nilai Statistik Hasil 0ddl dl ≤d≤du du ≤d≤4-dl 4-du ≤d≤4-dl 4-dl ≤d≤4 Menolak hipotesis nul; ada autokorelasi positif Daerah keragu-raguan; tidak ada keputusan Menerima hipotesis nul; tidak ada autokorelasi positifnegatif Daerah keragu-raguan; tidak ada keputusan Menolak hipotesis nul; ada autokorelasi negatif Universitas Sumatera Utara Atau dengan cara lain untuk mendeteksi adanya autokorelasi dalam model bisa dilakukan menggunakan uji LM atau Lagrange Multiplier. Salah satu cara untuk menghilangkan pengaruh autokorelasi tersebut adalah dengan memasukkan lag variabel dependen kedalam model regresi Gujarati, 2003. Uji hipotesis untuk menentukan ada tidaknya autokorelasi:  ......................................................................... Ho : ρ1 = ρ2 = 0 Tidak adaa utokorelasi  ......................................................................... Ha : ρ1 ≠ ρ2 ≠ 0 Ada autokorelasi

3.10 Definisi Operasional Variabel