Kerangka Pemikiran TINJAUAN PUSTAKA

heteroskedastisitas. Pendeteksian ada tidaknya autokorelasi pada model juga perlu dilakukan sehingga model regresi bersifat BLUE. Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu variabel atau korelasi antar error masa yang lalu dengan error masa sekarang. Adanya autokorelasi dapat memengaruhi efisiensi dari estimatornya, walaupun estimatornya tetap tidak bias. Penggunaan data panel dengan memasukan efek individu dan efek waktu tidak selalu dapat mengatasi masalah yang mungkin terkait dengan data panel. Masalah yang mungkin timbul dalam penggunaan data panel adalah adanya korelasi serial, korelasi spasial dan heteroskedastisitas. Untuk mengatasi adanya masalah tersebut, maka estimasi model dapat dilakukan dengan metode General Least Square GLS dengan kelemahan penduga estimasi GLS tidak memberikan nilai R-squared. Metode General Least Square GLS sebagai salah satu bentuk estimasi least square merupakan bentuk estimasi yang mampu mengatasi heteroskedastisitas dengan menghasilkan estimasi yang efisien serta masih bersifat unbiased dan konsisten. Sifat heteroskedastisitas potensial dimiliki oleh data cross-section. Terdeteksinya gejala heteroskedastisitas dalam data panel apabila menggunakan model estimasi Ordinary Least Square OLS akan mendapatkan hasil yang tidak efisien. Model estimasi GLS pada dasarnya melakukan transformasi error terms pada data dasar dan menerapkan model OLS terhadap data yang telah ditransformasi. Estimator fixed effects yang ditransformasi dapat ditulis dalam bentuk GLS dan tidak berhubungan dengan GLS dalam estimator random effects, yaitu                 T i i i T i i i FE My X MX X 1 1 1 ˆ dimana e e T I M T    1 Estimator fixed effects menggunakan M sebagai matriks pembobot dibandingkan ’ .. .. .. .. .. 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 ee I E u u i u u i i                                                           , dimana   iT i i i     ,...., , 2 1   dan   1 ... 1 1   e . Transformasi error terms dilakukan dengan data matriks X dikalikan dengan M menghasilkan data matriks baru yaitu X yang merupakan deviasi dari rata-rata individu. Keakuratan dari estimasi model dapat ditingkatkan dengan melakukan pemeriksaan akan keberadaan outlier dari data panel. Keberadaan outlier dalam penelitian ini dideteksi dengan menggunakan perintah hadimvo yang tersedia dalam software STATA. Nilai elastisitas memudahkan dalam menjelaskan peningkatan penurunan suatu variabel independent terhadap variabel dependent dalam kondisi ceteris paribus apabila data yang digunakan berbeda dalam penggunaan satuan antara satu variabel dengan variabel lain. Pengukuran nilai elastisitas dilakukan dengan cara nilai koefisien parameter suatu variabel independent dikalikan dengan rata-rata variabel independent tersebut terhadap rata-rata variabel dependent.