commit to user 33
terikatKuncoro, 2001: 100. Tingkat ketepatan regresi ditunjukan oleh besarnya koefisien determinasi R
2
yang besarnya antara 0 R
2
1. Koefisien determinasi 0 berarti variabel - variabel independen tidak berpengaruh terhadap variabel
dependen. Semakin mendekati 1, maka pengaruh variabel - variabel independen semakin besar.
F. Uji Asumsi Klasik
Uji asumsi klasik adalah uji yang digunakan untuk mendeteksi ada atau tidaknya penyimpangan asumsi klasik atau penyakit dalam sebuah persamaan
model regresi. Penyimpangan tersebut adalah multikolinieritas, heteroskedastisitas dan autokorelasi.
1. Uji Autokorelasi Autokorelasi didefinisikan sebagai korelasi antara anggota serangkaian
observasi yang diurutkan menurut waktu seperti dalam data time series atau ruang seperti dalam data cross sectional. Model regresi linier klasik
mengasumsikan bahwa autokorelasi seperti itu tidak terdapat dalam disturbansi atau gangguan. Model klasik mengasumsikan bahwa unsur gangguan yang
berhubungan dengan observasi tidak dipengaruhi oleh unsur disturbansi atau gangguan yang berhubungan dengan pengamatan lain yang manapunGujarati,
1995: 201. Salah satu cara untuk menguji autokorelasi adalah dengan menggunakan uji Durbin-Watson. Uji Durbin-Watson tidak dapat digunakan pada
model yang variabel bebasnya mengandung lagged dependent variabel. Hipotesisnya, Ho adalah dua ujungnya tidak ada serial autokorelasi baik positif
commit to user 34
maupun negatif. Menurut Kuncoro2001: 107 keputusan ada tidaknya autokorelasi adalah:
a. Bila nilai DW lebih besar daripada batas atas upper bound, maka koefisien autokorelasi sama dengan nol. Artinya, tidak ada autokorelasi positif.
b. Bila nilai DW lebih rendah daripada batas bawah lower bound, maka koefisien autokorelasi lebih besar daripada nol. Artinya, terdapat autokorelasi
positif. c. Bila nilai DW terletak diantara batas atas upper bound dan batas bawah
lower bound, maka tidak dapat disimpulkan.
Gambar III.3 Durbin Watson d Statistik
Sumber: Gujarati, 2003 : 469. 2. Uji Heteroskedastisitas
Asumsi dalam model regresi linier klasik menyatakan bahwa gangguan yang muncul dalam fungsi regresi populasi adalah homoskedastik. Artinya,
varians tiap unsur disturbance tergantung pada nilai yang dipilih dari variabel yang menjelaskan adalah suatu angka konstan yang sama. Heteroskedastisitas
terjadi dalam fungsi regresi yang mempunyai varian berbeda. Konsekuensi jika
Tolak H Autokorelasi
Positif Ragu - Ragu
Tidak menolak H
H atau
keduanya Ragu - Ragu
Tolak H Autokorelasi
Negatif
d
L
d
U
4-d
U
4-d
L
2 4
commit to user 35
terjadi heteroskedastisitas dalam model regresi adalah penaksir OLS tidak efisien baik dalam sampel kecil maupun besar, tetapi masih tetap tidak bias dan
konsisten. Heteroskedastisitas terjadi jika gangguan muncul dalam fungsi regresi
yang mempunyai varian yang tidak sama sehingga OLS tidak efisien baik dalam sampel besar maupun kecil. Halbert White dalam Kuncoro2001: 112
menganjurkan uji heteroskedastisitas. Pengujian heteroskedastisitas dapat dilakukan dengan menghitung nilai Chi-Square hitung. Nilai Chi-Square tersebut
kemudian dibandingkan dengan nilai χ
2
tabel. Rumus untuk menghitung nilai Chi- Square
adalah sebagai berikut: χ
2
hitung = n x R
2
n = jumlah observasi R
2
= nilai R
2
H = homoskedastis
H
a
= heteroskedastis Jika nilai
χ
2
tabel χ
2
hitung, maka tidak terdapat heteroskedastisitas. Jika χ
2
tabel χ
2
hitung, maka terdapat heteroskedastisitas. 3. Multikolinieritas
Multikolonieritas menunjukan adanya hubungan linier yang sempurna atau pasti diantara beberapa atau semua variabel yang menjelaskan dari model regresi
Gujarati, 1995: 157, sehingga jika terdapat multikolinieritas dalam model regresi maka model tersebut memiliki kesalahan standar yang besar, selanjutnya
berakibat pada koefisien yang tidak dapat ditaksir dengan ketepatan tinggi. Cara
commit to user 36
mendeteksi ada tidaknya multikolinearitas adalah dengan meregres setiap variabel independen dengan variabel independen lainnya. Multikolinieritas dapat dilihat
dengan meregres variabel independen satu dengan variabel independen lainnya. Multikolinieritas terjadi diantara variabel independen apabila terdapat variabel
yang signifikan terhadap variabel yang lainnya. Klein dalam Gujarati Porter2010: 431 mengatakan bahwa multikolinieritas dapat menjadi masalah
hanya jika r
2
yang didapat dari regresi penyokong lebih besar dari R
2
keseluruhan, yaitu yang diperoleh dari regresi Y terhadap semua regresor.
commit to user 37
BAB IV ANALISIS DATA DAN PEMBAHASAN
