Pengujian Asumsi Klasik
D. Pengujian Asumsi Klasik
1. Uji Multikolinieritas
Multikolinieritas menunjukkan adanya hubungan yang sempurna antara semua atau beberapa variabel. Gujarati (2001: 157) menjelaskan
commit to user
variabel independen terdapat korelasi atau hubungan dengan variabel independen lainnya. Atau degan kata lain satu atau lebih variabel independen merupakan suatu fungsi linier dari variabel independen yang lain. Multikolinieritas juga bisa timbul apabila antara variabel independen berkorelasi dengan variabel pengganggu, sehingga tingkat signifikansi untuk menolak hipotesis nol akan semakin besar dan probabilitas untuk menerima hipotesis yang salah juga semakin besar.
Untuk mengetahui ada tidaknya masalah multikoloniearitas maka digunakan metode Klein dengan hasil sebagaimana dalam tabel berikut:
Tabel IV.7 Hasil Uji Multikoloniearitas
Variabel
r 2* R 2 Keterangan Produksi tekstil
Harga tekstil luar negeri Investasi industri tekstil Kurs valuta asing Ekspor tekstil tahun lalu
0,480 0,942 0,209 0,908 0,968
0,995 0,995 0,995 0,995 0,995
Tidak ada multikolinieritas Tidak ada multikolinieritas Tidak ada multikolinieritas Tidak ada multikolinieritas Tidak ada multikolinieritas
Sumber : data diolah
Hasil perhitungan menunjukkan bahwa tidak ada nilai r 2* yang lebih kecil dari R 2 utama, berarti tidak terdapat gangguan multikolinieritas
yang serius dalam proses estimasi parameter model penduga.
2. Uji Heteroskedastisitas
Uji ini dilakukan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan yang lain (Santoso, 2000: 208-209). Situasi heterokedastisitas
commit to user
Hasil taksiran dapat menjadi kurang, melebihi yang semestinya. Model regresi yang baik adalah jika varian dari residual dari satu pengamatan ke pengamatan yang lain adalah tetap atau homoskeastisitas. Kebanyakan untuk data cross section mengandung suatu heteroskedastisitas, sebab data ini mewakili berbagai bentuk dalam ukuran (kecil, sedang dan besar). Untuk mengetahui ada atau tidaknya masalah heteroskedastisitas akan dilakukan pengujian Park.
Tabel IV.8 Hasil Uji Heteroskedastisitas (a=0,05)
Korelasi
t hitung t tabel Keterangan
lnX 1 – Absres lnX 2 – Absres lnX 3 – Absres lnX 4 – Absres
lnY t-1 – Absres
Tidak ada heteroskedastisitas Tidak ada heteroskedastisitas Tidak ada heteroskedastisitas Tidak ada heteroskedastisitas Tidak ada heteroskedastisitas
Keterangan: t tabel adalah pada taraf signifikansi (a/2;n-k) = (0,025;22-6)
Tabel diatas menunjukkan bahwa semua t hitung < t tabel , jadi dapat dzaktu. Pendekatan yang sering digunakan adalah dengan uji Durbin- Watson (Gujarati, 2001: 201-215).
3. Uji Autokorelasi
Sesuatu yang penting pada asumsi klasik bahwa tidak ada korelasi antara faktor-faktor pengganggu dengan lambang COV (Ui, Uj) = 0. Apabila asumsi ini tidak terpenuhi berarti Ui dan observasi yang satu dengan observasi yang lain terjadi autokorelasi. Untuk mengetahui ada atau tidaknya gejala autokorelasi digunakan uji Durbin-Watson. Hasil
commit to user
berikut.
Tabel IV.9 Hasil Uji Autokorelasi
Variabel
D-W
Kesimpulan Produksi tekstil, Harga
Investasi industri tekstil, Kurs valuta asing,
Ekspor tekstil tahun lalu
Tidak ada masalah autokorelasi
Sumber: data primer diolah Nilai d L diambil dari tabel Durbin-Watson pada a=5% dengan df=5;22
4-d L = 4 – 0,86
= 3,14
4-d U = 4 – 1,94
= 2,06
Untuk lebih jelasnya dapat dilihat pada gambar berikut: Gambar IV.1
Statistik Uji Durbin Watson
F(d)
Menolak Ho Daerah keragu
Daerah keragu Menolak H*o
bukti Auto- raguan
raguan
bukti Autokorelasi
korelasi positif
negatif
Menerima Ho atau H*o atau kedua-duanya
Keterangan: Ho = tidak ada autokorelasi positif Ho* = tidak ada autokorelasi negatif
D-W (1,704)
commit to user
di daerah ragu-ragu (daerah tidak ada keputusan). Oleh karena itu dapat dinyatakan bahwa uji autokorelasi dalam penelitian ini tidak diperoleh kesimpulan.