28
persamaan tersebut kemudian ditransformasikan ke dalam persamaan ln, sehingga persamaannya menjadi :
Ln Y = ln a + b ln X
1
+ c ln
X
2
+ d ln X
3
Dari bentuk transformasi fungsi produksi Cobb – Douglas di atas kemudian diubah ke dalam bentuk asli fungsi produksi yaitu :
Y = a X1
b
X2
c
X3
d
Dari fungsi produksi di atas maka elastisitas output dari input dapat diketahui dari nilai koefisien pangkat setiap faktor input. Sedangkan,
return to scale dapat diketahui dengan menjumlahkan koefisien pangkat yang ada pada setiap input faktor produksi.
Pada penelitian ini perlu dilakukan uji asumsi klasik karena menggunakan analisis regresi linier berganda. Uji asumsi klasik yang
dilakukan dalam penelitian ini ada empat macam, yaitu :
1. Uji Asumsi Klasik Normalitas
Uji normalitas adalah uji yang digunakan untuk mengukur apakah data memiliki distribusi normal sehingga bisa digunakan
dalam statistik parametrik. Model regresi yang baik adalah model dengan data berdistribusi normal atau mendekati normal. Uji
normalitas dapat dilakukan dengan menggunakan uji Kolmugorov- Smirnov dengan bantuan SPSS. Dasar pengambilan keputusan
normalitas data dengan melihat angka probabilitas, yaitu jika
29
probabilitas 0,05 maka data tersebut berdistribusi normal dan jika probabilitas
≤ 0,05 maka data tidak berdistribusi normal.
2. Uji Asumsi Klasik Multikolinearitas
Salah satu asumsi model regresi linier adalah tidak ada adanya korelasi yang sempurna atau korelasi tidak sempurna tetapi relatif
sangat tinggi pada variabel – variabel independen yang biasanya dilambangkan dengan X
1
, X
2
, X
3
,..., X
n
. Jika terdapat multikolinearitas sempurna akan berakibat koefisien regresi tidak
dapat ditentukan serta standar deviasi menjadi tak terhingga. Uji multikolinearitas menguji apakah dalam model regresi ditemukan
adanya korelasi antara variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen. Diagnosis untuk mengetahui adanya multikolinearitas adalah menentukan nilai Variance Inflaction Factor VIF. Batas
tolerance value adalah 0,10 dan VIF 10. Jika nilai tolerance dibawah 0,10 atau VIF di atas 10 maka terjadi korelasi antar variabel
independen sebesar minimal 10.
3. Uji Asumsi Klasik Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model pengamatan terjadi ketidaksamaan varian dari residual satu
pengamatan ke pengamatan lain. Diagnosis adanya heteroskedastisitas dalam uji regresi dapat dilihat dari pola scatterplot diagram pada hasil
30
SPSS. Apabila tidak ada pola tertentu dalam pola scatterplot diagram, maka tidak ada heteroskedastisitas dari model regresi yang digunakan.
Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka dapat dikatakan homoskedastisitas yang merupakan syarat
suatu model regresi.
4. Uji Asumsi Klasik Autokorelasi
Salah satu asumsi model regresi linier adalah tidak adanya autokorelasi. Autokorelasi adalah korelasi antara sesama urutan
pengamatan dari waktu ke waktu. Tujuan dari uji autokorelasi ini adalah untuk menguji apakah dalam suatu regresi linier ada korelasi
antara residual pada periode t dengan periode t-1. Jika terjadi autokorelasi maka dalam persamaan regresi linier tersebut terdapat
masalah, karena hasil yang baik seharusnya tidak ada indikasi autokorelasi. Untuk memeriksa adanya autokorelasi biasanya
menggunakan metode Durbin – Watson DW. Untuk mendeteksi adanya autokorelasi dapat dilihat dari nilai
Durbin-Watson dan tingkat signifikan α=5, dengan kriteria sebagai
berikut : dl
: Adanya autokorelasi + dl s.d du
: Tanpa kesimpulan du s.d 4-du
: Tidak ada autokorelasi 4-du s.d 4-dl
: Tanpa kesimpulan 4-dl
: Ada autokorelasi