Pengujian Asumsi

Multikolinearitas

Multikolinearitas adalah kondisi dimana terdapat korelasi antar variabel bebas yang ada dalam model. Dalam hal ini variabel-variabel bebas tersebut tidak bersifat orthogonal. Variabel yang bersifat orthogonal adalah variabel bebas yang nilai korelasi antar sesamanya sama dengan nol. Cara mendeteksi adanya kolinearitas dapat dilakukan dengan melihat Variance Inflation Factor (VIF). Nilai VIF menunjukkan peningkatan dari varian sebuah estimator akibat adanya multikolinearitas (Gujarati, 2004).

Jika nilai VIF lebih dari sepuluh mengindikasikan bahwa terdapat masalah multikolinearitas yang akan mempengaruhi hasil estimasi. Karena meskipun estimator yang dihasilkan bersifat tidak bias, namun tidak lagi memiliki varian yang minimum. Cara mengatasi adanya multikolinieritas yaitu melepas satu atau lebih variabel yang memiliki korelasi yang tinggi, mentransformasi variabel, atau memperbesar jumlah sampel (Nash dan Bradford, 2001).

Pengujian Asumsi Klasik

Pengujian dan penanganan terhadap masalah-masalah yang berkaitan dengan pelanggaran asumsi dasar diperlukan untuk membangun persamaan regresi panel yang memenuhi kriteria Best Linear Unbiased Estimator (BLUE). Berikut merupakan asumsi-asumsi yang diperlukan dalam analisis regresi.

 

      Normalitas

Uji Normalitas bertujuan untuk menguji apakah residual dari model regresi mengikuti distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Apabila asumsi ini dilanggar maka uji statistik menjadi tidak berlaku (Imam Ghozali, 2005). Pengujian kenormalan dapat dilakukan dengan menggunakan grafik maupun uji secara formal. Pengujian dengan grafik dapat dilihat melalui P-P Plot, jika sebaran titiknya berada disekitar garis regresi (45 derajat) maka asumsi normalitas terpenuhi. Pengujian secara formal dapat dilakukan dengan beberapa uji statistik. 

 

  

bentuk kurva normal berbentuk lonceng dimana tinggi dari lonceng menunjukkan sebaran data. semakin mengerucut atau lancip bentuk lonceng menandakan bahwa sebaran data relatif homogen dan apabila dilakukan estimasi akan menghasilkan estimator yang baik.