KS
hitung
KS
tabel
atau P
value
5, maka tolak H KS
hitung
KS
tabel
atau P
value
5, maka tolak H
1
4.7.2 Uji Multikolinieritas
Multikolinieritas adalah hubungan linier antara variabel-variabel bebas independen penyusun model dalam persamaan regresi berganda. Beberapa indikasi
suatu model persamaan regresi mengandung multikolinieritas dapat dilihat pada hasil estimasi output pada eviews dimana dari nilai R
2
yang didapat tinggi antara 0,7 dan 1 tetapi dalam output tersebut tidak terdapat atau sedikit sekali koefisien dugaan
yang nyata pada taraf uji tertentu dan tanda koefisien dari regresi dugaan banyak yang tidak sesuai teori. Adapun beberapa cara untuk menghilangkan masalah kolinieritas
dalam suatu model, diantaranya : 1. Menggunakan extraneous atau informasi sebelumnya
2. Mengkombinasikan data cross section dengan data time series 3. Meninggalkan variabel yang sangat berkorelasi
4. Mentransformasikan data 5. Mendapat tambahan atau data baru
4.7.3 Uji Autokorelasi
Autokorelasi mencerminkan adanya hubungan yang terjadi antara error masa lalu dengan error saat ini yang dapat menyebabkan parameter menjadi bias sehingga
pendugaan parameter menjadi tidak efisien. Untuk mendeteksi ada tidaknya autokorelasi adalah dengan melihat nilai dari Durbin Watson DW statistiknya yang
dibandingkan dengan nilai dari tabel DW. Berikut merupakan kerangka identifikasi dalam menentukan ada tidaknya autokorelasi.
Tabel 8.
Kerangka Identifikasi Autokorelasi
Nilai Durbin Watson Keterangan
4 – dl DW 4
Tolak H , korelasi serial negatif
4 – du DW 4 – dl
Hasil tidak dapat ditentukan 2 DW 4
– du Terima H
, tidak ada korelasi serial du DW 2
Terima H tidak ada korelasi serial
dl DW du Hasil tidak dapat ditentukan
0 DW dl Tolak H
, korelasi serial positif Sumber : Gujarati 2004
Korelasi serial terjadi apabila error dari periode waktu yang berbeda saling berkorelasi. Untuk mendeteksi hal ini yaitu dengan melihat pola random error dari
hasil regresi. Dalam pendekatan fixed effect tidak mensyaratkan persamaan terbebas dari masalah autokorelasi sehinga asumsi adanya autokorelasi dapat diabaikan.
4.7.4 Uji Heteroskedastisitas
Salah satu asumsi dari model persamaan regresi adalah bahwa ragam sisaan ε
t
sama atau homogen, asumsi ini disebut homoskedastisitas. Sedangkan jika ragam sisaan tidak konstan atau berubah-ubah maka hal tersebut dinamakan
heteroskedastisitas. Adanya heteroskedastisitas dalam hasil olahan data panel dapat dilakukan dengan melihat grafik plot residual. Apabila titik-titik pada grafik tersebut
tersebar di atas dan di bawah 0 serta tidak menunjukkan adanya pola tertentu maka dapat disimpulkan bahwa model tersebut terbebas dari adanya heteroskedastisitas.
Heteroskedastisitas juga dapat dideteksi dengan melihat nilai sum square residual nya apabila model menggunakan metode Generalize Least Square dan pembobotan.
Apabila nilai sum square residual pada weighted statistic lebih kecil daripada nilai sum square residual
pada unweighted statistic nya maka dapat disimpulkan bahwa terdapat heteroskedastisitas pada model tersebut.
4.8 Nilai Potensial Perdagangan
Nilai potensial perdagangan PP pada penelitian kali ini merupakan rasio antara nilai aktual perdagangan dengan nilai prediksi dari perdagangan komoditas
kepiting antara Indonesia dengan ketujuh mitra dagangnya. Penghitungan nilai potensial perdagangan dapat dijelaskan sebagai berikut:
PP
Kategori