44 Apabila t-hitung lebih besar daripada nilai t-tabel pada selang kepercayaan
tertentu dengan derajat kebebasan n-k maka tolak H
0,
berarti variabel eksogen tersebut berpengaruh nyata secara statistik terhadap variabel endogen. Semakin
besar nilai t-hitung, semakin menyatakan bahwa variabel tersebut signifikan secara statistik. Sebaliknya jika nilai t-hitung lebih kecil dari nilai t-tabel maka
artinya variabel tersebut tidak berpengaruh secara nyata terhadap variabel endogen.
4.5.4. Uji Multikolinearitas
Model yang melibatkan banyak variabel bebas seringkali mengalami masalah multikolinearitas. Menurut Gujarati 1995, multikolinearitas adalah
adanya hubungan linear antara beberapa atau semua variabel yang menjelaskan dari model regresi sehingga nilai koefisien sulit untuk ditentukan. Jika dalam
suatu persamaan regresi terdapat perfect multicolinearity maka nilai koefisien tidak dapat ditentukan dan nilai standar error menjadi tidak terhingga infinite.
Metode OLS Ordinary Least Square yang digunakan untuk menduga persamaan yang mengandung near multicolinearity akan tetap menghasilkan parameter yang
tidak bias dan tetap mempunyai varians yang minimum. Salah satu cara mendeteksi adanya multikolinearitas dengan melihat
Variance Inflation Factor VIF. Jika nilai Variance Inflation Factor VIF 10
maka tidak terdapat multikolinearitas. Sebaliknya, jika nilai Variance Inflation Factor
VIF 10 maka terdapat multikolinearitas.
4.5.5. Uji Autokorelasi
Autokorelasi merupakan salah satu pelanggaran asumsi klasik yang menyatakan bahwa dalam pengamatan yang berbeda tidak terdapat korelasi antar
45 error term
. Autokorelasi menyebabkan error term memiliki korelasi satu sama lain, sehingga nilai covarians antar keduanya tidak lagi bernilai nol
��� ��
�
, �
�
� ≠ 0, � ≠ �. Error yang berkorelasi ini dapat disebabkan oleh beberapa hal, dan seringkali terjadi pada time series. Data yang dikumpulkan
berdasar urutan waktu tertentu seringkali memiliki sisaan yang saling berkorelasi. Sisaan dari pengamatan pada waktu tertentu cenderung untuk berkorelasi dengan
sisaan yang berdekatan. Akibat adanya autokorelasi, metode OLS Ordinary Least Square
tidak menghasilkan nilai estimasi BLUE Best Linear Unbiased Estimations
. Hasil estimasi parameter masih tetap linear dan unbiased tetapi tidak efisien varians under estimate. Nilai standar eror hasil estimasi OLS akan
lebih kecil dibandingkan dengan standar eror yang sebenarnya, sehingga nilai t- statistik akan lebih besar overestimate.
Uji yang paling sering dilakukan dalam mendeteksi adanya autokorelasi dalam suatu model adalah uji DW Durbin-Watson test. Nilai statistik DW
berada pada kisaran 0 sampai 4, dan jika hasilnya mendekati 2 makan menunjukkan tidak ada autokorelasi ordo kesatu Juanda, 2009. Hipotesis
mengenai daerah keputusan H0 dan H1 adalah sebagai berikut: H
: tidak ada autokorelasi H
1
: terdapat autokorelasi Tolak H
jika 4 − �
�
�� 4 atau 0 �� �
�
dan sebaliknya, tidak tolak H
jika
�� �� 4 − ��. 4.5.6. Uji Heteroskedastisitas
Heteroskedastisitas terjadi jika varian eror tidak konstan untuk setiap observasi, dimana varεi = Eεi² = σi² Gujarati, 1995. Akibat adanya
46 heteroskedastisitas, estimasi dengan menggunakan OLS Ordinary Least Square
akan tetap menghasilkan estimator yang unbiased dan konsisten tetapi tidak efisien. Hal ini disebabkan karena tidak memiliki varian yang minimum sehingga
nilai t-statistik dan f-stastistik yang didapatkan terlalu kecil tidak signifikan dan interval dari nilai β terlalu lebar. Langkah-langkah pengujian heteroskedastisitas
dengan uji White heteroskedasticity dapat dilakukan sebagai berikut: H
: tidak ada heteroskedastisitas H
1
: ada masalah heteroskedastisitas Tolak H
jika obs R
2
atau probability obs R
2
α Gejala heteroskedastisitas juga dapat dideteksi dengan melihat dari plot
grafik hubungan antara residual dengan fits-nya. Jika pada gambar ternyata residual menyebar dan tidak membentuk pola tertentu, maka dapat dikatakan
bahwa dalam model tersebut tidak terdapat gejala heteroskedastisitas.
4.6 Definisi Operasional
