58
Diman : u
t
merupakan error cross section v
t
merupakan error time series w
t
merupakan error gabungan
3. Uji Aumsi Klasik
Model regresi berganda dibangun atas beberapa asumsi klasik yang diperlukan untuk mendapatkan estimator OLS yang bersifat BLUE Best Linier
Unbiased Estimator
9
. Berikut beberapa uji yang dilakukan dalam penelitian dan penjelasannya.
a. Uji Multikolinearitas Dalam model regresi diasumsikan tidak memuat hubungan dependensi
linier antar variabel. Jika terjadi hubungan dependensi linier yang kuat di antara variabel indpenden maka dinamakan terjadi problem multikolinearitas. Masalah
multikolinearitas sering muncul dalam model ekonometrika karena pada dasarnya variabel-variabel ekonomi saling terkait
10
. Ada beberapa cara untuk mendeteksi multikolinearitas, anatar lain
11
: 1. Apabila memperoleh R
2
yang tinggi 0,7 dalam model, tetap sedikit sekali atau bahkan tidak satupun parameter regresi yang signifikan jika diuji secara
individual dengan menggunakan statistik uji t.
9
Dedi Rosadi, Ekonometrika dan Analisi Runtun Waktu Terapan dengan Eviews,h.52
10
Setiawan dan Dwi Endah Kusrini, Ekonometrika, Yogyakarta: Andi, 2010, h. 82
11
Setiawan dan Dwi Endah Kusrini, Ekonometrika, h. 92
59
2. Apabila memperoleh koefisien korelasi sederhana yang tinggi di antara sepasang-sepasang variabel penjelas. Tingginya koefisien yang rendah pun
belum dapat dikatakan terbebas dari multikolinearitas sehingga koefisien korelasi parsial maupun korelasi serentak di antara semua variabel penjelas
perlu dilihat lagi. 3. Apabila dalam model regresi memperoleh koefisien regresi
̂ dengan tanda yang berbeda dengan keofisien korelasi antara Y dengan X
j.
Misalnya, korelasi antara Y dengan X
j
bertanda positif r
YX j
0 , tetapi koefisien regresi untuk koefesiesn regresi yang berhubungan dengan X
j
bertanda negatif ̂ 0 atau sebaliknya.
4. Nilai indeks kondisi
Indeks kondisi = IK = √
Dengan ketentuan sebagai berikut= {
5. Tolareance TOL dan Variance Inflation Factor VIF Sebagai contoh, terdapat satu variabel respon Y dan p buah variabel penjelas,
maka kita regresikan setiap variabel penjelas dengan variabel penjelas lainnya sehingga akan memperoleh koefesien determinasi.
60
X
j
= A + A
1
X
1
+ A
2
X
2
+ .... + A
p-1
X
p
+ ε
TOL
j
= 1 – R
2 j
VIF
j
= =
–
Pada penelitian ini peneliti menggunakan metode korelasi parsial antar variabel independen untuk menguji multikolineritas. Karena multikolinearitas
adalah hubungan linier antar variabel independen di dalam regresi. Oleh karena itu, untuk menguji multikolineritas menggunakan uji koefisien korelasi antar
variabel. Mengikuti aturan yang ada jika nilai koefisien korelasi di atas 0,85 maka diduga ada multikolinieritas dalam model. Sebaliknya jika nilai koefisien korelasi
relatif rendah maka kita duga model tidak mengandung unsur multikoliniearitas. Uji multikolinearitas ini secara singkat dapat dinyatakan dengan hipotesis berikut:
H : Tidak terjadi multikolinearitas dalam model
H
1 :
Terjadi multikolinearitas dalam model Untuk menyelesaikan masalah kolinearitas dapat dilakukan dengan beberapa cara,
seperti : 1. Menambah lebih banyak oberservasi.
2. Mengeluarkan salah satu variabel yang memiliki hubungan korelasi yang kuat. 3. Mentransformasi variabel independen, seperti misalnya mengkombinasikan
variabel-variabel independen kedalam satu indeks. b. Uji Heteroskedastisitas
61
Uji ini bertujuan untuk menganalisis apakah variansi dari error bersifat tetapkonstan homoskedastik atau berubah-ubah heteroskedastik. Deteksi
adanya heteroskedastisitas dapat dilakukan secara grafis dengan melihat apakah terdapat suatu variabel independen X atau terhadap nilai fitted variabel dependen
̂ dengan model yang telah diestimasi. Secara formal, dapat juga dilakukan dengan melakukan uji hipotesis :
H : Asumsi homoskedastisitas terpenuhi
H
1
: Asumsi homoskedastisitas tidak terpenuhi Untuk mendeteksi adanya masalah heteroskedastisitas dapat digunakan beberapa
metode berikut
12
: a. Uji Heteroskedastisitas dengan metode analisis grafik
b. Uji heteroskedastisitas dengan metode glejser c. Uji heteroskedastisitas dengan metode park
d. Uji heteroskedastisitas dengan uji white e. Uji heteroskedastisitas dengan metode rank spearman
f. Uji heteroskedastisitas dengan metode Bresch-Pegan-Godfrey BPG Pada penelitian ini peneliti menggunakan metode uji park untuk menguji
heteroskedastisitas. Menurut Park, variabel gangguan yang tidak konstan atau masalah heteroskedastisitas muncul karena residual ini tergantung dari variabel
independen yang ada di dalam model. Keputusan ada tidaknya masalah
12
Suliyanto, Ekonometrika Terapan : Teori Aplikasi dengan SPSS, Yogyakarta: Andi, 2011, h.94
62
heteroskedastisitas berdasarkan uji statistik estimator β. Jika β tidak signifikan melalui uji t maka dapat disimpulkan tidak ada hetertoskedastisitas karena varian
residualnya tidak tergantung dari variabel independen. Sebaliknya jika signifikan secara statistik maka model mengandung unsur heteroskedastisitas karena besar
kecilnya varian residual ditentukan oleh variabel independen.
13
. Uji heteroskedastisitas menggunakan Park ini dilakukan dengan langkah sebagai
berikut : 1. Melakukan regresi terhadap model yang ada dengan metode OLS dan
kemudian mendapatkan residualnya 2. Selanjutnya adalah melakukan regresi terhadap residual kuadrat.
3. Jika nilai statistik t hitung lebih kecil dari nilai kritis tabel t maka tidak ada masalah heteroskedastiasitas dan jika sebaliknya maka mengandung masalah
heteroskedastisitas. a. Uji Autokorelasi
Dalam asumsi OLS klasik diasumsikan bahwa residual bersifat independen satu dengan yang lain. Untuk uji asumsi ini digunkana uji hipotesis :
H : Tidak terdapat korelasi serial pada residual
H
1
: Terdapat korelasi serial pada residual Uji untuk korelasi serial dapat dilakukan di antaranya dengan
menggunakan uji Durbin Watson DW dan uji Breusch Godfrey Lagrange
13
Agus Widarjono, Ekonometrika Pengantar dan Aplikasinya : Disertai Panduan Eviews, Edisi Keempat, h. 118
63
Multiplier BGLM. Khusus untuk model runtun waktu, korelasi serial dapat juga diuji menggunakan uji Portmanteu Q-Ljung Box terhadap residual.
Pada penelitian ini peneliti menggunakan uji DW untuk uji autokorelasi. Uji DW pertama kali diperkenalkan oleh J. Durbin dan GS. Watson tahun 1951.
Untuk menarik kesimpulan melalui uji DW untuk ada atau tidaknya masalah autokorelasi digunakan kriteria sebagai berikut
14
: 1. Terjadi autokorelasi positif jika nilai DW dibawah -2 DW -2.
2. Tidak terjadi autokorelasi jika nilai DW berada di antara -2 dan +2 atau -2 DW +2.
3. Terjadi autokorelasi negatif jika nilai DW di atas +2 atau DW +2. Masalah autokorelasi sendri dapat diatasi dengan 3 cara yaitu First
Difference, Auto Regressive AR, atau dengan menggunakan lag dari variabel dependen atau variabel independen. Pada data panel, cara yang pertama dan kedua
tidak dapat langsung dilakukan di dalam Eviews, oleh karena itu perbaikan ini dapat dilakukan dengan penambahan variabel lag pada model dan kemudian
meregresikannya. b. Uji Normalitas
Salah satu asumsi lain yang penting untuk inferensi statistika dalam analisis regresi adalah asumsi normalitas dari error. Dalam menguji kenormalan
dari data maka dapat digunakan metodependekatan grafik dan pendekatan
14
Danang Sunyoto, : Uji KHI Kuadrat dan Regresi untuk Penelitian,Yogyakarta:Graha Ilmu, 2010, h.110
64
inferensi statistik dengan uji hipotesis
15
. Ada beberapa metode yang dapat digunakan untuk mendekteksi apakah residual mempunyai distribusi normal atau
tidak, di antaranya adalah
16
: 1. Histogram Residual
Histogram residual merupakan metode grafis yang paling sederhana digunakan untuk mengetahui apakah bentuk dari probability distribution function
PDF dari variabel random berbentuk distribusi normal atau tidak. Jika histogram menyerupai grafik distribusi normal maka bisa dikatakan bahwa residual
mempunyai distribusi normal. Bentuk-bentuk grafik distribusi normal ini menyerupai lonceng seperti distribusi t sebelumnya dimana jika grafik distribusi
normal tersebut dibagi dua akan mempunyai bagian yang sama. 2. Uji Jarque-Bera
Uji normalitas residual metode OLS secara formal dapat dideteksi dari metode yang dikembangkang oleh Jarque-Bera J-B. Metode JB ini didasarkan
pada sampel besar yang diasumsikan bersifat asymptotic. Uji statistik dari J-B ini menggunakan perhitungan skewness dan kurtosis. Adapun formula uji statistik J-
B adalah sebagai berikut:
[ ]
Di mana S= koefisisen skewness dan K= koefisien kurtosis
15
Dedi Rosadi, Ekonometrika dan Analisis Runtun WaktuTerapan dengan Eviews, h. 27
16
Agus Widarjono, Ekonometrika Pengantar dan Aplikasinya : Disertai Panduan Eviews, Edisi Keempat, h.49
65
Jika suatu variabel didistribusikan secara normal maka nilai koefisien S = 0 dan K=3. Oleh karena itu, jika residual terdistribusi secara normal maka
diharapkan nilai statistik JK akan sama dengan nol. Nilai statistik JB ini didasarkan padadistribusi Chi Squares dengan derajat kebebasan df 2. Jika nilai
probabilitas ρ dari statistik JB besar atau dengan kata lain jika nilai statistik JB ini tidak signifikan maka diterima hipotesis bahwa residual mempunyai distribusi
normal karena nilai statistik JB mendek eti nol. Sebaliknya jika nilai probabilitas ρ
dari statistik JB kecil atau signifikan maka ditolak hipotesis bahwa residual mempunyai distribusi normal karena nilai statistik JB tidak sama dengan nol.
4. Pengujian Model
Kategori