3.6. Uji Asumsi Klasik
Tujuan utama penggunaan uji asumsi klasik adalah untuk mendapatkan koefisien regresi linier yang terbaik dan tidak bias atau harus
bersifat BLUE Best Linier Unbiassed Estimator, karena apabila terjadi penyimpangan terhadap asumsi klasik tersebut, uji t dan uji F yang
dilakukannya menjadi tidak valid dan secara statistik dapat mengacaukan kesimpulan yang diperoleh. Untuk menghasilkan keputusan yang BLUE,
maka harus dipenuhi diantaranya 3 asumsi dasar, yaitu : 1.
Tidak boleh ada autokorelasi 2.
Tidak boleh ada multikolinier 3.
Tidak boleh ada heteroskedastis Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka
persamaan regresi yang diperoleh tidak lagi bersifat BLUE Best Linier Unbiassed Estimate
, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias. Sifat dari BLUE itu sendiri adalah :
a. Best
: Pentingnya sifat ini bila diterapkan dalam uji signifikan data terhadap
α dan
β serta membuat
interval keyakinan taksiran-taksiran. b.
Linier : Sifat ini dibutuhkan untuk memudahkan dalam
penafsiran. c.
Unbiased : Nilai jumlah sampel sangat besar penaksir
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
parameter diperoleh dari sampel besar kira-kira lebih mendekati nilai parameter sebenarnya.
d. Estimator
: e kesalahan penaksiran linier kuadrat terkecil, artinya diharapkan sekecil mungkin.
Tiga dari asumsi dasar tersebut yang tidak boleh dilanggar dalam regresi linier berganda :
a. Autokorelasi Auto Correlation
Autokorelasi adalah korelasi hubungan yang terjadi diantara anggota-anggota dari serangkaian pengamatan yang tersusun dalam
lingkaran waktu seperti pada kurun waktu atau time series atau yang tersusun dalam rangkaian ruang seperti pada data silang waktu atau
cross sectional data.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2 4
Menolak Ho Bukti
Autokorelasi Positif
Menolak Ho
Bukti Autokorelasi
Negatif
Menerima Ho atau Ho Atau kedua-duanya
Gambar 8 : Kurva Durbin-Watson
d
Sumber : Gujarati, Damodar, 1999, Ekonometrika Dasar, Erlangga, Jakarta, Halaman 216.
Adanya autokorelasi didasarkan atas : 1.
Daerah A : Durbin Watson d
L,
tolak Ho autokorelasi positif.
2. Daerah B : d
L
Durbin Watson d
U,
ragu-ragu. 3.
Daerah C : d
U
Durbin Watson d
U
, terima Ho, non autokorelasi.
4. Daerah D : 4 – d
U
Durbin Watson 4 – d
U,
ragu-ragu. 5.
Daerah E : Durbin Watson 4 – d
L
, tolak Ho autokorelasi
negatif. Gujarati, 1999 : 217.
Daerah keragua-
raguan Daerah
keragua- raguan
d
L
d
U
4 – d
U
4 – d
L
d
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Pendekteksian adanya autokorelasi dapat dilakukan dengan menggunakan perhitungan besaran Durbin Watson. Panduan mengenai
angka D – W Durbin Watson untuk mendeteksi autokorelasi adalah: 1.
Angka D – W dibawah -2, berarti ada autokorelasi positif. 2.
Angka D – W dibawah -2 sampai +2, berarti tidak ada autokorelasi.
3. Angka D – W diatas +2, berarti ada korelasi negatif.
Tabel 1 : Autokorelasi Durbin Watson Durbin Watson
Kesimpulan
Kurang dari 1,08 Ada autokorelasi
1,08 – 1,66 Tanpa kesimpulan
1,66 – 2,34 Tidak ada autokorelasi
2,34 – 2,92 Tanpa kesimpulan
Lebih dari 2,92 Ada autokorelasi
Sumber : Algifari, 2000. Analisis Regresi, Teori, Kasus dan Solusi, Penerbit : BPFE UGM, Yogyakarta, Halaman 89.
b. Heteroskedastisitas Heteroscedasticity
Dalam pengujian ini heteroskedastisitas merupakan suatu kasus didalam seluruh faktor gangguan tidak mempunyai varians yang
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
sama atau varians tidak konstans, kondisi varians nirkonstans atau nirhomogen ini disebut “ heteroskedastisitas”.
Heteroskedastisitas pada regresi linier nilai residual tidak boleh ada hubungan dengan cara menghitung korelasi Rank Spearman’S antara
residual dengan seluruh variabel independent atau yang tidak menjelaskan : I
s
= 1 – 6
1
2 2
− Σ
N N
di
.................................................Gujarati, 1999 : 188.
Keterangan :
d
i
= Perbedaan dalam Rank antara residual disturbance term error dengan variabel bebas k = I.
N = Banyak data - jika nilai probabilitas 0,05 maka tidak terjadi heteroskedastisitas
- Jika nilai probabilitas 0,05 maka terjadi heteroskedastisitas c.
Multikolinieritas Multicolinierity Pada multikolinieritas tersebut menunjukkan adanya suatu
derajat kolinieritas yang tinggi diantara variabel-variabel bebas berkolerasi secara sempurna, maka metode kuadrat terkecil tidak bisa
digunakan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Adapun cara pendeteksiannya adalah : 1.
Konfirmasi antara nilai R
2
dengan seluruh hasil t
hitung
pada uji parsial. Jika hasil estimasi ditemukan bahwa R
2
yang sangat tinggi, namun tidak satupun nilai t
hitung
parsial yang signifikan, maka dipastikan terdapat suatu adanya gajala multikolinieritas.
2. Dengan menentukan nilai VIF Variance Inflation Factor dan
indeks tolerance. 3.
VIF = 1 1 - R
2
...................................Gujarati, 1997 : 85. Dimana :
VIF menyatakan tingkat pembengkakan varians. Apabila VIF lebih besar dari 10, maka terjadi suatu multikolinieritas pada
persamaan tersebut.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
69
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian 4.1.1. Kondisi Geografis
Indonesia adalah Negara kesatuan yang berbentuk Republik yang terletak 6° Lintang Utara dan 11° Lintang Selatan dan antara 94° Bujur Timur dan 141°
Bujur Timur. Indonesia juga merupakan Negara berkembang yang terletak di antara dua samudra, samudra pasifik dan samudra Hindia dan berbatasan dengan samudera
Indonesia utara, sebelah timur berbatasan dengan Papua Nugini dan sebelah barat berbatasan dengan samudera Indonesia
Sejak tahun 2001 Indonesia dibagi menjadi 30 Propinsi dengan 4 tambahan propinsi, yaitu kepulauan Bangka Belitung, Banten, Gorontalo dan
Maluku Utara terdiri dari 268 kabupaten 85 kotamadya 4.424 kecamatan dan 68.819 desa. Indonesia merupakan Negara bahari dengan luas lautnya sekitar 7,9
juta Km Termasuk daerah Zone Economic Eclusive atau 81 dari luas keselurahan. Daratan Indonesia mempunyai luas lebih dari 1,9 juta Km dan
mempunyai puluhan atau mungkin ratusan gunung merapi dan sungai.
4.1.2. Kependudukan
Dilihat dari jumlah penduduk Indonesia termasuk Negara dengan penduduk keempat di dunia setelah Cina, India dan Amerika Serikat. Berdasarkan
hasil sensus penduduk pada tahun 2000 sebesar 206,3 juta jiwa. Jumlah ini mencakup penduduk bertempat tinggal tetap sebesar 205,8 juta dan penduduk tidak
bertempat tinggal tetap sebesar 421.399 jiwa. Laju pertumbuhan 1,49 pertahun
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Kategori