• Tidak ada hasil yang ditemukan

H. Metode Analisis Data

3. Uji Aumsi Klasik

Model regresi berganda dibangun atas beberapa asumsi klasik yang diperlukan untuk mendapatkan estimator OLS yang bersifat BLUE (Best Linier Unbiased Estimator)9. Berikut beberapa uji yang dilakukan dalam penelitian dan penjelasannya.

a. Uji Multikolinearitas

Dalam model regresi diasumsikan tidak memuat hubungan dependensi linier antar variabel. Jika terjadi hubungan dependensi linier yang kuat di antara variabel indpenden maka dinamakan terjadi problem multikolinearitas. Masalah multikolinearitas sering muncul dalam model ekonometrika karena pada dasarnya variabel-variabel ekonomi saling terkait10.

Ada beberapa cara untuk mendeteksi multikolinearitas, anatar lain11:

1. Apabila memperoleh R2 yang tinggi (0,7) dalam model, tetap sedikit sekali atau bahkan tidak satupun parameter regresi yang signifikan jika diuji secara individual dengan menggunakan statistik uji t.

9

Dedi Rosadi, Ekonometrika dan Analisi Runtun Waktu Terapan dengan Eviews,h.52 10

Setiawan dan Dwi Endah Kusrini, Ekonometrika, (Yogyakarta: Andi, 2010), h. 82 11

59 2. Apabila memperoleh koefisien korelasi sederhana yang tinggi di antara sepasang-sepasang variabel penjelas. Tingginya koefisien yang rendah pun belum dapat dikatakan terbebas dari multikolinearitas sehingga koefisien korelasi parsial maupun korelasi serentak di antara semua variabel penjelas perlu dilihat lagi.

3. Apabila dalam model regresi memperoleh koefisien regresi (̂) dengan tanda yang berbeda dengan keofisien korelasi antara Y dengan Xj. Misalnya,

korelasi antara Y dengan Xj bertanda positif (r YX j > 0 ), tetapi koefisien

regresi untuk koefesiesn regresi yang berhubungan dengan Xj bertanda negatif

(̂ < 0) atau sebaliknya. 4. Nilai indeks kondisi

Indeks kondisi = IK = √

Dengan ketentuan sebagai berikut= { 5. Tolareance (TOL) dan Variance Inflation Factor (VIF)

Sebagai contoh, terdapat satu variabel respon Y dan p buah variabel penjelas, maka kita regresikan setiap variabel penjelas dengan variabel penjelas lainnya sehingga akan memperoleh koefesien determinasi.

60 Xj = A0 + A1X1 + A2X2 + .... + Ap-1Xp + ε

TOLj = 1 – R2j

VIFj = =

Pada penelitian ini peneliti menggunakan metode korelasi parsial antar variabel independen untuk menguji multikolineritas. Karena multikolinearitas adalah hubungan linier antar variabel independen di dalam regresi. Oleh karena itu, untuk menguji multikolineritas menggunakan uji koefisien korelasi antar variabel. Mengikuti aturan yang ada jika nilai koefisien korelasi di atas 0,85 maka diduga ada multikolinieritas dalam model. Sebaliknya jika nilai koefisien korelasi relatif rendah maka kita duga model tidak mengandung unsur multikoliniearitas.

Uji multikolinearitas ini secara singkat dapat dinyatakan dengan hipotesis berikut:

H0 : Tidak terjadi multikolinearitas dalam model

H1 : Terjadi multikolinearitas dalam model

Untuk menyelesaikan masalah kolinearitas dapat dilakukan dengan beberapa cara, seperti :

1. Menambah lebih banyak oberservasi.

2. Mengeluarkan salah satu variabel yang memiliki hubungan korelasi yang kuat. 3. Mentransformasi variabel independen, seperti misalnya mengkombinasikan

variabel-variabel independen kedalam satu indeks. b. Uji Heteroskedastisitas

61 Uji ini bertujuan untuk menganalisis apakah variansi dari error bersifat tetap/konstan (homoskedastik) atau berubah-ubah (heteroskedastik). Deteksi adanya heteroskedastisitas dapat dilakukan secara grafis dengan melihat apakah terdapat suatu variabel independen X atau terhadap nilai fitted variabel dependen ̂ (dengan model yang telah diestimasi). Secara formal, dapat juga dilakukan dengan melakukan uji hipotesis :

H0 : Asumsi homoskedastisitas terpenuhi

H1 : Asumsi homoskedastisitas tidak terpenuhi

Untuk mendeteksi adanya masalah heteroskedastisitas dapat digunakan beberapa metode berikut12:

a. Uji Heteroskedastisitas dengan metode analisis grafik b. Uji heteroskedastisitas dengan metode glejser

c. Uji heteroskedastisitas dengan metode park d. Uji heteroskedastisitas dengan uji white

e. Uji heteroskedastisitas dengan metode rank spearman

f. Uji heteroskedastisitas dengan metode Bresch-Pegan-Godfrey (BPG)

Pada penelitian ini peneliti menggunakan metode uji park untuk menguji heteroskedastisitas. Menurut Park, variabel gangguan yang tidak konstan atau masalah heteroskedastisitas muncul karena residual ini tergantung dari variabel independen yang ada di dalam model. Keputusan ada tidaknya masalah

12

Suliyanto, Ekonometrika Terapan : Teori & Aplikasi dengan SPSS, (Yogyakarta: Andi, 2011), h.94

62 heteroskedastisitas berdasarkan uji statistik estimator (β). Jika β tidak signifikan melalui uji t maka dapat disimpulkan tidak ada hetertoskedastisitas karena varian residualnya tidak tergantung dari variabel independen. Sebaliknya jika signifikan secara statistik maka model mengandung unsur heteroskedastisitas karena besar kecilnya varian residual ditentukan oleh variabel independen. 13.

Uji heteroskedastisitas menggunakan Park ini dilakukan dengan langkah sebagai berikut :

1. Melakukan regresi terhadap model yang ada dengan metode OLS dan kemudian mendapatkan residualnya

2. Selanjutnya adalah melakukan regresi terhadap residual kuadrat.

3. Jika nilai statistik t hitung lebih kecil dari nilai kritis tabel t maka tidak ada masalah heteroskedastiasitas dan jika sebaliknya maka mengandung masalah heteroskedastisitas.

a. Uji Autokorelasi

Dalam asumsi OLS klasik diasumsikan bahwa residual bersifat independen satu dengan yang lain. Untuk uji asumsi ini digunkana uji hipotesis :

H0 : Tidak terdapat korelasi serial pada residual

H1 : Terdapat korelasi serial pada residual

Uji untuk korelasi serial dapat dilakukan di antaranya dengan menggunakan uji Durbin Watson (DW) dan uji Breusch Godfrey Lagrange

13

Agus Widarjono, Ekonometrika Pengantar dan Aplikasinya : Disertai Panduan Eviews, Edisi Keempat, h. 118

63 Multiplier (BGLM). Khusus untuk model runtun waktu, korelasi serial dapat juga diuji menggunakan uji Portmanteu Q-Ljung Box terhadap residual.

Pada penelitian ini peneliti menggunakan uji DW untuk uji autokorelasi. Uji DW pertama kali diperkenalkan oleh J. Durbin dan GS. Watson tahun 1951. Untuk menarik kesimpulan melalui uji DW untuk ada atau tidaknya masalah autokorelasi digunakan kriteria sebagai berikut14 :

1. Terjadi autokorelasi positif jika nilai DW dibawah -2 (DW < -2).

2. Tidak terjadi autokorelasi jika nilai DW berada di antara -2 dan +2 atau -2 < DW <+2.

3. Terjadi autokorelasi negatif jika nilai DW di atas +2 atau DW > +2.

Masalah autokorelasi sendri dapat diatasi dengan 3 cara yaitu First Difference, Auto Regressive (AR), atau dengan menggunakan lag dari variabel dependen atau variabel independen. Pada data panel, cara yang pertama dan kedua tidak dapat langsung dilakukan di dalam Eviews, oleh karena itu perbaikan ini dapat dilakukan dengan penambahan variabel lag pada model dan kemudian meregresikannya.

b. Uji Normalitas

Salah satu asumsi lain yang penting untuk inferensi statistika dalam analisis regresi adalah asumsi normalitas dari error. Dalam menguji kenormalan dari data maka dapat digunakan metode/pendekatan grafik dan pendekatan

14

Danang Sunyoto, : Uji KHI Kuadrat dan Regresi untuk Penelitian,(Yogyakarta:Graha Ilmu, 2010), h.110

64 inferensi statistik dengan uji hipotesis15. Ada beberapa metode yang dapat digunakan untuk mendekteksi apakah residual mempunyai distribusi normal atau tidak, di antaranya adalah16:

1. Histogram Residual

Histogram residual merupakan metode grafis yang paling sederhana digunakan untuk mengetahui apakah bentuk dari probability distribution function (PDF) dari variabel random berbentuk distribusi normal atau tidak. Jika histogram menyerupai grafik distribusi normal maka bisa dikatakan bahwa residual mempunyai distribusi normal. Bentuk-bentuk grafik distribusi normal ini menyerupai lonceng seperti distribusi t sebelumnya dimana jika grafik distribusi normal tersebut dibagi dua akan mempunyai bagian yang sama.

2. Uji Jarque-Bera

Uji normalitas residual metode OLS secara formal dapat dideteksi dari metode yang dikembangkang oleh Jarque-Bera (J-B). Metode JB ini didasarkan pada sampel besar yang diasumsikan bersifat asymptotic. Uji statistik dari J-B ini menggunakan perhitungan skewness dan kurtosis. Adapun formula uji statistik J- B adalah sebagai berikut:

[ ]

Di mana S= koefisisen skewness dan K= koefisien kurtosis

15

Dedi Rosadi, Ekonometrika dan Analisis Runtun WaktuTerapan dengan Eviews, h. 27 16

Agus Widarjono, Ekonometrika Pengantar dan Aplikasinya : Disertai Panduan Eviews, Edisi Keempat, h.49

65 Jika suatu variabel didistribusikan secara normal maka nilai koefisien S = 0 dan K=3. Oleh karena itu, jika residual terdistribusi secara normal maka diharapkan nilai statistik JK akan sama dengan nol. Nilai statistik JB ini didasarkan padadistribusi Chi Squares dengan derajat kebebasan (df) 2. Jika nilai probabilitas ρ dari statistik JB besar atau dengan kata lain jika nilai statistik JB ini tidak signifikan maka diterima hipotesis bahwa residual mempunyai distribusi normal karena nilai statistik JB mendeketi nol. Sebaliknya jika nilai probabilitas ρ dari statistik JB kecil atau signifikan maka ditolak hipotesis bahwa residual mempunyai distribusi normal karena nilai statistik JB tidak sama dengan nol.

Dokumen terkait