Asumsi Klasik METODOLOGI PENELITIAN
dan uji F yang dilakukan sebelumnya menjadi tidak valid dan secara statistik dapat mengacaukan kesimpulan yang diperoleh, untuk itu dilakukan
uji asumsinya. Tujuan utama penggunaan uji asumsi klasik adalah untuk
mendapatkan koefisien regresi yang terbaik, linier dan tidak bias BLUE : Best Linear Unbiased Estimator, sifat dari BLUE adalah :
a. Best
: pentingnya
sifat ini
bila diterapkan dalam uji signifikan baku terhadap
dan
b. Linear : sifat ini dibutuhkan untuk memudahkan dalam penaksiran c. Unbiased : nilai jumlah sampel sangat besar penafsiran parameter yang
diperoleh dari sampel besar kira-kira lebih mendekati nilai parameter sebenarnya.
d. Estimasi : e diharapkan sekecil mungkin 1.
Autokorelasi Autokorelasi dapat didefinisikan sebagai korelasi antara data
observasi yang diurutkan berdasarkan urut waktu data time series0 atau data yang diambil pada waktu tertentu data cross-sectional.
Untuk mengetahui ada
tidaknya korelasi dapat menggunakan metode Durbin Watson.
n t
1 t
2 t
n t
2 t
2 1
t t
e e
e d
Gujarati, 1999 : 215
Keterangan : d = Nilai Durbin Watson
e
t
= Residual pada waktu ke-t e
t-1
= Residual pada waktu ke t-1 satu periode sebelumnya n
= Banyaknya
Data.
Gambar 8 : Daerah Keputusan Uji Durbin Watson
Menolak H
Bukti autokorelasi
positif Daerah
keragu- raguan
E D
B A
Menerima H atau H
i,
atau kedua-duanya. Daerah
keragu- raguan
Menolak H
Bukti autokorelasi
negatif C
d
L
2 4-d
U
4-d
L
4 0 d
L
Sumber : Gujarati, Damodar, Ekonometrika Dasar, Penerbit Erlangga,
Jakarta, hal 216. Adanya autokorelasi ini biasanya varians dengan nilai yang lebih
kecil dari nilai sebenarnya, sehingga nilai-nilai R
2
dan F
hitung
yang dihasilkan cenderung sangat berlebih overestimated. Cara mendeteksi
adanya autokorelasi adalah dengan membandingkan nilai Durbin Watson DW dengan DW tabel keputusan adanya autokorelasi didasarkan atas:
Daerah A = DW d
1
tolak H autokorelasi positif
Daerah B
= d
1
DW d
U
, ragu-ragu
Daerah C
= d
U
DW d
U
, terima H , non autokorelasi
Daerah D
= 4-d
u
DW 4-d
U
ragu-ragu Daerah E = DW 4-d
1
, ditolak H , autokorelasi negatif
Gujarati, 1999 : 217
2. Heteroskedastisitas
Heteroskedastisitas adalah
gejala dimana varians tidak sama atau tidak homogen, hal ini bisa diketahui berdasarkan penguji korelasi Rank
Spearman. Koefisien Rank Spearman :
R
s
= 1 - 6 =
1 N
N di
2 2
Sudrajat, 1988 :198
Keterangan :
d = Selisih dalam rank antara residual dengan variabel bebas k1
N = Jumlah pengamatan
3. Multikolineraitas
Multikolineraitas adalah adanya hubungan yang sempurna antara semua atau beberapa variabel eksplanatori dalam model regresi yang
dikemukakan. Untuk mengetahui adanya multikolineraitas di dalam model regresi dapat dilihat dengan ciri-ciri sebagai berikut :
1. Nilai R
2
yang dihasilkan model regresi sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tinggi signifikan
mempengaruhi terhadap variabel dependen. 2.
Menganalisis matriks korelasi variabel-variabel independen. Jika antara variabel independen ada korelasi yang cukup tinggi umumnya
diatas 0,90, maka hal ini merupakan indikasi adanya miltikolinieritas. 3.
Multikolinieritas dapat dilihat dari nilai tolerance an VIF. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF
= 1Tolerance. Nilai yang digunakan untuk menunjukkan adanya multikolinieritas adalah nilai tolerance 0,10 atau sama dengan nilai
VIF10 Sudrajat, 1988 : 167.