38
3.7 Uji Asumsi Klasik
Untuk mendapatkan penaksir-penaksir yang bersifat BLUE best liniar unbiased estimator dari penaksir linear kuadrat terkecil ordinary least square
maka harus memenuhi seluruh asumsi-asumsi klasik.
3.7.1 Multikolinearitas
Merupakan suatu keadaan dimana satu atau lebih variabel independen dapat dinyatakan sebagai kombinasi linier dari variabel lainnya. Hubungan yang
terjadi bisa sempurna, bisa juga tidak sempurna. Multikolinearitas dapat dideteksi dengan melihat R
2
yang tinggi. Multikolinearitas menjadi masalah jika derajat kolininearitasnya tinggi, jika derajat kolinearitasnya rendah maka tidak menjadi
masalah yang berarti. Dengan metode Klein derajat multikolinearitas dapat dilihat melalui koefisien determinasi parsial dari regresi antara variabel dependen yang
digunakan dalam model penelitian. Jika r
2
Xi, Xj ≤ R2 Y, X1, X2……..Xk maka tingkat multikolinearitas
yang akan terjadi cukup rendah dan tidak menjadi masalah. Satu asumsi model regresi klasik adalah bahwa tidak terdapat
multikolinieritas diantara variabel yang menjelaskan termasuk dalam model. Multikolinieritas berarti adanya hubungan linier yang “sempurna” atau pasti, di
antara beberapa atau semua variabel yang menjelaskan dari model regresi Gujarati, 1995:157.
Masalah multikolinieritas bisa timbul karena berbagai sebab, pertama sifat-sifat yang terkandung dalam kebanyakan variabel ekonomi berubah bersama-
sama sepanjang waktu. Besaran-besaran ekonomi dipengaruhi oleh faktor-faktor
39
yang sama. Oleh karena itu, sekali faktor-faktor yang mempengaruhi itu menjadi operatif, maka seluruh variabel akan cenderung berubah dalam satu arah. Kedua,
penggunaan nilai lag lagged values dari variabel-variabel bebas tertentu dalam model regresi Sumodiningrat, 2002:281. Metode yang digunakan untuk
mendeteksi kolinieritas adalah dengan melihat nilai tolerance dan lawannya serta Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel
bebas manakah yang dijelaskan oleh variabel bebas lainnya. Dalam pengertian sederhana setiap variabel bebas menjadikan variabel terikat dan diregres terhadap
variabel bebas lainnya.
3.7.2 Heteroskedastisitas
Uji heterokedastisitas digunakan untuk menguji apakah faktor-faktor pengganggu mempunyai variasi yang sama atau tidak seluruh observasi. Untuk
menguji heterokedastisitas dapat dicari dengan metode koefisien Rank Spearman, sebagai berikut :
⎥ ⎦
⎤ ⎢
⎣ ⎡
− ∑
− =
1 6
1
2 2
N N
di R
s
Dimana : di adalah perbedaan dalam rank
N adalah banyaknya individu yang dirank Koefisien rank korelasi dapat digunakan untuk mendeteksi
heterokedastisitas, sebagai berikut : Asumsikan Yi =
βo + β
1
X
1
+ ei Heteroskedastisitas berarti varians variabel dalam model tidak sama
konstan. Konsekuensinya adanya heteroskedastisitas dalam model regresi adalah
40
penaksir estimator yang diperoleh tidak efisien, baik dalam sampel kecil maupun sampel besar, walaupun penaksir yang diperoleh menggambarkan
populasinya tidak bias dan bertambahnya sampel yang digunakan akan mendekati nilai sebenarnya konsisten. Ini disebabkan oleh varians-nya yang
tidak minimum tidak efisien Algifari, 2000 : 85.
3.7.3 Autokorelasi