Di poastingan sebelumnya, telah dibahas uji asumsi klasik dengan menggunakan 2 uji yaitu Uji Normalitas dan Uji Heteroskedastisitas. Maka pada postingan ini akan dibahas 3 uji asumsi klasik yaitu Uji Linearitas, Uji Multikolinearitas dan Uji Autokolerasi.
1. Uji Linearitas
Uji linearitas dipergunakan untuk melihat
apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang
digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan
telaah teoretis bahwa hubungan antara variabel bebas dengan variabel terikatnya
adalah linear. Hubungan antar variabel yang secara teori bukan merupakan
hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear,
misalnya masalah elastisitas. Jika ada hubungan antara dua variabel yang
belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan
untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak.
Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua
variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil
observasi yang ada. Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Reset Test atau uji Lagrange Multiplier. Pada contoh kali ini akan menggunakan Ramsey Reset Test. Pada Eviews Uji Linearitas dapat dilakukan dengan cara klik View > Stability Diagnostics > Ramsey Reset Test. Lalu akan muncul kotak dialog Reset Specification, lalu ketik angka 1 dan klik OK.
>>Interpretasi: Apabila nilai probability F-hitung > α (0,05) maka model
regresi memenuhi asumsi linearitas, tetapi jika < α (0,05) maka model
regresi tidak memenuhi asumsi linearitas. Dari output diatas, dapat di interpretasikan
bahwa nilai probability F-hitung < α (0,0010 < 0,05) sehingga model
regresi tidak memenuhi asumsi linearitas (tidak memiliki hubungan yang linear).
2. Uji Multikolinearitas
Uji
multikolinearitas adalah untuk melihat ada atau tidaknya korelasi
yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear
berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya,
maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi
terganggu. Model regresi yang baik ditandai dengan tidak terjadi kolerasi linear diantara variabel bebas. Alat statistik yang sering dipergunakan
untuk menguji gangguan multikolinearitas adalah dengan variance inflation
factor (VIF), korelasi pearson antara variabel-variabel bebas, atau dengan
melihat eigenvalues dan condition index (CI). Pada contoh ini akan digunakan VIF. Hasil uji multikolinearitas dapat dilihat melalui kolom tabel Centered VIF. Nilai VIF mensyaratkan bahwa nilai VIF tidak boleh lebih dari 5 atau tidak boleh lebih dari 10. Apabila nilai VIF dibawah 10 atau dibawah 5 maka model terbebas dari gejala multikolinearitas. Dan bila nilai VIF lebih besar dari 10 maka diindikasikan model tersebut memiliki gejala Multikolinieritas.
>>Dari hasil output diatas
maka dapat di interpretasikan bahwa model mengalami/tidak terbebas dari gejala multikolinearitas karena nilai VIF dari masing-masing variabel bebas berada
diatas atau lebih dari 10 atau lebih dari 5.
Jika model mengalami gejala multikolinearitas maka cara mengatasinya adalah:
- Menggabungkan data time series dan juga cross section
- Transformasi variabel
- Menghapus atau mengeluarkan variabel bebas yang menjadi penyebab timbulnya multikolinearitas, risikonya jika varaibel yang dikeluarkan penting secara teoritis, maka akan menimbulkan bias spesifikasi
- Menambah data jika data yang diolah adalah data sampel. Bukan populasi.
3. Uji Autokolerasi
Uji
autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu
periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa
analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap
variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data
observasi sebelumnya. Uji autokorelasi dilakukan untuk regresi linear berganda yang menggunakan data time series
(runtut waktu). Model regresi pada penelitian di Bursa Efek Indonesia di
mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada
tidaknya autokorelasi. Uji Autokorelasi menggunakan metode Brusch - Godfrey atau LM
(Lagrange Multiplier) Test. Cara menggunakan uji autokorelasi di Eviews dapat dilakukan dengan klik View > Residual
Diagnostics > Serial Correlation LM Test. Ketika muncul Lag Specification ketik angka 2 lalu OK. Untuk dapat mengetahui apakah model mengalami autokolerasi atau tidak, maka dapat dilihat jika nilai probability F-hitung > α (0,05) maka model tidak terjadi autokolerasi dan jika propability F-hitung < α (0,05) maka model terjadi autokolerasi.
Dari output diatas dapat di interpretasikan bahwa nilai
probability F-statistic > α (0,4512 > 0,05) maka model tidak terjadi gejala autokolerasi karena nilai probability F-Statistic > 0,05.
Sumber Tambahan:
- Styadarma, Adryan. 2010. Uji Asumsi Klasik. Fak. Ekonomi Universitas Negeri Semarang. http://ebook.repo.mercubuana-yogya.ac.id/Kuliah/materi_20152_doc/Uji-Asumsi-Klasik.pdf
0 comments:
Post a Comment