Page 61 - CBR_EKONOMETRIKA_KEL 7

BAB 5 UJI ASUMSI KLASIK

Model regresi linier klasik (OLS) berlkitaskan serangkaian asumsi. Tiga di antara
beberapa asumsi regresi klasik yang akan diketengahkan dalam penelitian ini adalah (lihat
Maddala, 1992, hal. 229-269):

1. Non-Autokorelasi
Non-autokorelasi adalah keadaan dimana tidak terdapat hubungan antara kesalahan-
kesalahan (error) yang muncul pada data runtun waktu (time series).
2. Homokedastisitas
Homoskedastisitas adalah keadaan dimana erros dalam persamaan regresi memiliki
varians konstan.
3. Non-Multikolinearitas
Non-multikolinearitas adalah keadaan dimana tidak ada hubungan antar variabel-variabel
penjelas dalam persamaan regresi.

Penyimpangan terhadap asumsi tersebut akan menghasilkan estimasi yang tidak sahih.
Deteksi yang biasa dilakukan terhadap ada tidaknya penyimpangan asumsi klasik adalah uji
autokorelasi, heteroskedastisitas, dan multikolinearitas.

MODEL  DETEKSI / UJI  PENGOBATAN

5.1 UJI MULTIKOLIENARITAS

Sebagaimana dikemukakan di atas, bahwa salah satu asumsi regresi linier klasik adalah
tidak adanya multikolinearitas sempurna (no perfect multicolinearity) tidak adanya hubungan
linier antara variabel penjelas dalam suatu model regresi. Istilah ini multikoliniearitas itu
sendiri pertama kali diperkenalkan oleh Ragner Frisch tahun 1934. Menurut Frisch, suatu
model regresi dikatakan terkena multikoliniearitas bila terjadi hubungan linier yang sempurna
(perfect) atau pasti (exact) di antara beberapa atau semua variabel bebas dari suatu model
regresi. Akibatnya akan kesulitan untuk dapat melihat pengaruh variabel penjelas terhadap
variabel yang dijelaskan (Maddala, 1992: 269-270).

Berkaitan dengan masalah multikoliniearitas, Sumodiningrat (1994: 281-182)
mengemukakan bahwa ada 3 hal yang perlu dibahas terlebih dahulu:

1) Multikoliniearitas pada hakikatnya adalah fenomena sampel. Dalam model fungsi regresi
populasi (Population Regression Function = PRF) di asumsikan bahwa seluruh variabel
bebas yang termasuk dalam model mempunyai pengaruh secara individual terhadap variabel
tak bebas Y, tetapi mungkin terjadi bahwa dalam sampel tertentu.
2) Multikoliniearitas adalah persoalan derajat (degree) dan bukan persoalan jenis (kind).
Artinya bahwa masalah Multikoliniearitas bukanlah masalah mengenai apakah korelasi di
antara variabel-variabel bebas negatif atau positif, tetapi merupakan persoalan mengenai
adanya korelasi di antara variabel-variabel bebas.
3) Masalah Multikoliniearitas hanya berkaitan dengan adanya hubungan linier di antara
variabel-variabel bebas Artinya bahwa masalah Multikoliniearitas tidak akan terjadi dalam

61