2. Residual variabel pengganggu µ
i
mempunyai nilai rata-rata nol zero mean value of disturbance µ
i
. 3.
Homoskedastisitas atau varian dari µ
i
adalah konstan.
4. Tidak ada autokorelasi antara variabel pengganggu µ
i
. 5.
Jumlah data observasi harus lebih banyak dibandingkan dengan jumlah parameter yang akan diestimasi.
6. Tidak ada multikolinearitas.
7. Variabel pengganggu harus berdistribusi normal atau stokastik.
Berdasarkan kondisi tersebut di dalam ilmu ekonometrika, agar suatu model dikatakan lebih baik dan sahih, maka perlu dilakukan beberapa pengujian.
3.6.1. Multikolinearitas
Dikenalkan oleh Ragnar Frisch 1934 dalam Pratomo dan Hidayat 2007. Sebuah model regresi dikatakan terkena multikolinearitas apabila terjadi hubungan
linier yang sempurna diantara beberapa atau semua variabel bebas dari suatu model regresi.
Cara mendeteksi masalah multikolinearitas dapat dilakukan dengan dua cara: 1.
Korelasi antar variabel dengan Correlation Test. 2.
Menggunakan korelasi parsial.
3.6.2. Autokorelasi
Model regresi linier klasik mengasumsikan bahwa faktor pengganggu yang berhubungan dengan observasi tidak dipengaruhi oleh faktor pengganggu pada
pengamatan lainnya. Apabila ada gangguan antara anggota serangkaian observasi
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
pada data runtun waktu maka akan muncul autokorelasi. Masalah autokorelasi biasanya muncul pada data time series. Dalam data tersebut, observasi diurutkan
secara kronologis sehingga sangat memungkinkan terjadinya hubungan terutama bila selang waktu pengamatan sangat pendek Pratomo dan Hidayat, 2007.
Cara mendeteksi ada tidaknya autokorelasi dapat dilakukan dengan uji Langrange Multiplier LM Test.
3.6.3. Normalitas
Sebagaimana disinggung di atas untuk penerapan OLS untuk model regresi linier klasik, diasumsikan bahwa distribusi probabilitas dari gangguan ì. Asumsi
yang dibuat mengenai ì
t
hanyalah faktor pengganggu mempunyai nilai rata-rata yang diharapkan adalah sama dengan nol, tidak berkorelasi dan mempunyai varian yang
konstan. Dengan asumsi ini, OLS estimator atau penaksir akan memenuhi sifat-sifat statistik yang diinginkan seperti tidak kebiasaan unbiased dan mempunyai varian
yang minimum minimum variance. Dipihak lain, jika tujuan seorang peneliti hanya untuk point estimation, OLS akan mencukupi hal ini, tetapi harus diingat bahwa point
estimation hanyalah merupakan salah satu aspek dari statistical inference, sedangkan unsur lainnya dari statistical inference adalah pengujian hipotesis.
Ada beberapa uji untuk dapat mengetahui normal atau tidaknya faktor gangguan ìt antara lain Jarque-Bera test atau JB-test. Uji ini menggunakan hasil
estimasi residual dan chi-square probability distribution. Adapun langkah-langkah untuk mendapatkan J-B hitung adalah sebagai berikut:
p d f Machine
I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Kriterianya: 1.
Apabila nilai
2
tabel 0,05 nilai Jarque Berra normality test statistic, maka µ
i
berdistribusi normal. 2.
Apabila angka probability 0,05, maka data berdistribusi normal.
3.6.4. Uji Linieritas