BAB III METODE PENELITIAN

Transkripsi

1 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian ini untuk menganalisis kinerja ekonomi antar kabupaten/kota di Provinsi Jawa Tengah serta keterkaitannya beserta rasio ketergantungan, tenaga kerja, dan desentralisasi fiskal terhadap kesejahteraan, dimana tiga variabel yang digunakan merupakan adopsi dari literatur-literatur yang ada dan digunakan oleh para peneliti sebelumnya. Ruang lingkup penelitian dilakukan pada seluruh kabupaten/kota di Provinsi Jawa Tengah pada periode waktu 2010 sampai dengan Pemilihan objek penelitian didasarkan pada pemikiran bahwa : 1. Provinsi Jawa Tengah merupakan salah satu provinsi yang tidak mengalami pemekaran wilayah sepanjang kebijakan otonomi daerah diterapkan. Bappenas dan UNDP (2007) menyatakan bahwa evaluasi implementasi otonomi daerah tidak dilakukan kepada daerah yang mengalami pemekaran wilayah karena daerah-daerah yang mengalami pemekaran wilayah (memiliki daerah otonom baru) menunjukkan hasil yang tidak mendukung dalam pencapaian kesejahteraan masyarakatnya. 2. Pusat kabupaten/kota di Provinsi Jawa Tengah terletak pada satu hamparan yaitu Pulau Jawa, diharapkan arus transportasi komunikasi tidak memiliki hambatan yang besar dan perbedaan sumber daya dan

2 40 3. budaya tidak terlalu besar, sehingga segala proses pembangunan berjalan lebih baik. 4. Provinsi Jawa Tengah bukan daerah istimewa ataupun daerah khusus 5. Periode waktu penelitian antara dengan asumsi bahwa pada periode tersebut otonomi daerah telah dilaksanakan lebih dari satu daswarsa sehingga otonomi daerah sudah berjalan dengan baik dan hasil dari pembangunan masa otonomi daerah sudah dapat dinikmati. B. Tehnik Pengumpulan Data Pengumpulan data dalam penelitian ini dimaksudkan untuk memperoleh bahan-bahan yang relevan dan akurat. Data yang digunakan adalah data sekunder time series dan cross section yang telah diolah kembali. Data sekunder adalah data yang diperoleh dalam bentuk sudah jadi, dikumpulkan dan diolah oleh pihak lain (Supranto, 2000). Data penelitian adalah data tahunan pada periode waktu 2010 sampai dengan 2013 dari seluruh kabupaten/kota di Provinsi Jawa Tengah. Metode pengumpulan data untuk mencapai tujuan dalam penelitian ini sepenuhnya diperoleh melalui studi pustaka, sehingga tidak diperlukan teknik sampling serta kuesioner. Data diperoleh dari studi literatur yang telah dipublikasikan oleh instansi yang berwenang meliputi : Badan Pusat Statistik, Direktorat Jendaral Perimbangan Keuangan Pusat dan Daerah, dan sumber lain yang terkait dengan penelitian ini.

3 41 C. Variabel Penelitian dan Definisi Operasional Variabel Variabel adalah konsep yang mempunyai variasi nilai sedangkan variabel penelitian adalah sesuatu hal yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulan (Nazir, 1988). Variabel-variabel yang digunakan dalam penelitian ini adalah : 1. Variabel Evaluasi Kinerja Ekonomi a. Indeks Kinerja Ekonomi Daerah (IKE) Kinerja perekonomian daerah digunakan untuk mengetahui perkembangan ekonomi suatu daerah. IKE dihitung sebagai suatu rata-rata dari kempat indikatornya yaitu :... (3.1) Dimana : LPE = Pertumbuhan Ekonomi Tanpa Migas KAPITA = PDRB perkapita RASIO = Rasio PDRB kab/kota terhadap PDRB provinsi PM = Angka Kemiskinan i = Kabupaten/Kota j = Provinsi b. Ketimpangan Pembangunan Ketimpangan Pembangunan Ekonomi diantaranya dapat diukur dengan menggunakan rumus Indeks Williamson. Penghitungan

4 42 diukur dengan menggunakan PDRB per kapita atas dasar harga berlaku dan konstan tahun (3.2) Dimana y i = PDRB perkapita kabupaten/kota i = Rata-rata PDRB perkapita provinsi P i P = Jumlah penduduk kabupaten/kota i = Jumlah penduduk provinsi Indeks Ketimpangan Pembangunan ditunjukkan oleh angka 0 sampai angka 1 atau 0 < I w < 1. Apabila nilai indeks mendekati 1 maka sangat timpang sedangkan bila mendekati angka 0 berarti sangat merata. Indeks Williamsons dalam penelitian ini hanya untuk mendeskrepsikan kinerja ekonomi daerah kabupaten/kota di Jawa Tengah, sedangkan untuk menganalisis keterkaitan kinerja ekonomi daerah terhadap kesejahteraan kabupaten/kota di Jawa Tengah hanya menggunakan Indeks Kinerja Ekonomi Daerah. 2. Variabel Kesejahteraan Masyarakat a. Kesejahteraan Dalam penelitian ini, kesejahteraan diwakili dengan IPM. Indikator ini merupakan variabel tak bebas yang akan diteliti faktor-

5 43 faktor apa yang mempengaruhinya seseuai kerangka teori pebahasan sebelumnya. Kriteria IPM adalah : 1) IPM < 50 menunjukkan tingkat kesejahteraan rendah 2) 50 IPM < 80 menunjukkan tingkat kesejahteraan menengah 3) IPM 80 menunjukkan tingkat kesejahteraan tinggi Data ini diperoleh dari Badan Pusat Statistik (BPS). b. Kinerja Ekonomi Daerah Kinerja perekonomian daerah dengan menggunakan Indeks Kinerja Ekonomi (IKE) yang diperoleh dari rata -rata indikator pertumbuhan ekonomi, PDRB perkapita, Rasio PDRB kabupaten/kota terhadap PDRB provinsi, dan Angka Kemiskinan. Cara penghitungannya sama telah dijelaskan sebelumnya. c. Rasio Ketergantungan atau Dependency Ratio (DR) Rasio Ketergantungan adalah rasio antara kelompok penduduk umur 0-14 tahun yang termasuk dalam kelompok penduduk belum produktif secara ekonomis dan kelompok penduduk umur 65 tahun ke atas termasuk dalam kelompok penduduk yang tidak lagi produktif dengan kelompok penduduk umur tahun termasuk dalam kelompok produktif. Indikator ini merupakan variabel bebas kedua yang diduga mempengaruhi variabel Pertumbuhan PDRB perkapita sebagai variabel tidak bebas.

6 44 Rasio Ketergantungan (DR) dirumuskan dengan : DR it = Penduduk Umur (0 14) it + (65+) it x 100 Penduduk Umur (15 64) it... (3.3) Dimana DR = Rasio Ketergantungan i t = kabupaten/kota = tahun Semakin tinggi nilai DR maka semakin berat beban yang harus ditanggung oleh penduduk usia produktif, yang akan berimbas pada besaran investasi. Rasio Ketergantungan dalam penelitian ini dipisahkan menurut kelompok umur yang ditanggung penduduk usia produktif yaitu : DR muda it = Penduduk Umur (0 14) it x 100 Penduduk Umur (15 64) it... (3.3a) DR tua it = Penduduk Umur (65+) it x 100 Penduduk Umur (15 64) it... (3.3b) d. Tenaga Kerja (T) Tenaga kerja merupakan faktor penting dalam suatu produksi. Tenaga kerja adalah variabel bebas ketiga dalam penelitian ini selain desentralisasi fiscal (DDF) dan dependency ratio (DR). Dalam penelitian ini tenaga kerja didekati dengan jumlah penduduk usia 15 tahun ke atas yang melakukan pekerjaan minimal satu jam

7 45 berturut-turut selama satu minggu dengan tujuan untuk memperoleh atau membantu memperoleh pendapatan/keuntungan di sektor industri (T ind ) dan sektor pertanian (T tani ). e. Desentralisasi Fiskal (DDF) Desentralisasi fiscal dalam penelitian ini mengacu pada konsep Musgrave dan Musgrave (1980) yang mengukur derajat desentralisasi fiscal dengan indikator yang sudah disesuaikan sebagai berikut : DDF DDF DDF DDF DBH it 1 it... (3.4a) TPDit DAU it 2 it... (3.4b) TPDit DAK it 3 it... (3.4c) TPDit PAD it 4 it... (3.4d) TPDit Dimana DBH = Dana Bagi Hasil DAU DAK PAD TPD i t = Dana Alokasi Umum = Dana Alokasi Khusus = Penerimaan Asli Daerah = Total Pendapatan Daerah = kabupaten/kota = tahun

8 46 D. Tehnik Analisis Data 1. Metode Analisis a. Analisis Deskriptif Analisis data dalam penelitian ini terbagi dalam dua bagian. Bagian pertama adalah analisis deskriptif. Analisis ini digunakan untuk menganalisis hasil pengolahan Indeks Kinerja Ekonomi sebagai ratarata indikator kinerja ekonomi dan Indeks Williams untuk ketimpangan pembangunan di seluruh kabupaten/kota di Jawa Tengah. b. Analisis Regresi Linier Berganda Analisis kedua dalam penelitian ini adalah analisis regresi berganda dari data panel kabupaten/kota di Provinsi Jawa Tengah dari tahun Data panel merupakan gabungan antara data time series dan cross section. Analisis regresi data panel mempunyai beberapa keuntungan jika dibandingkan dengan data time series atau cross section Agus Widarjono (2007), yaitu : 1) Data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan menghasilkan degree of freedom yang lebih besar. 2) Menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (ommited-variabel).

9 47 Keunggulan data panel juga disampaikan oleh Hsio yang menyatakan penggunaan data panel memiliki keunggulan dibanding hanya menggunakan data time series dan cross section saja (Firmansyah, 2009). Keunggulan menurut Hsiao adalah : 1) Memberikan peneliti jumlah pengamatan yang besar, meningkatkan degrees of freedom (derajat kebebasan), data memiliki variabilitas yang besar dan mengurangi kolinearitas antara variabel penjelas, dimana dapat menghasilkan ekonometri yang efisien. 2) Data lebih informasif, lebih bervariasi, yang tidak dapat diberikan hanya oleh data cross section dan time series saja. 3) Memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section. Analisis regresi digunakan dalam penelitian ini karena analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal suatu variabel (Kutner, Nachtsheim dan Neter, 2004). Wibisono (2005) menyatakan keunggulan menggunakan regresi pada data panel, diantaranya adalah: 1) Penggunaan data panel akan mampu memperhitungkan heterogenitas individu secara ekspilisit dengan mengizinkan variabel spesifik individu;

10 48 2) Kemampuan mengontrol heterogenitas akan menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku lebih kompleks. 3) Data panel mendasarkan diri pada observasi cross-section yang berulang-ulang ( time series), sehingga metode data panel cocok digunakan sebagai study of dynamic adjustment. 4) Banyaknya jumlah observasi menjadikan data yang lebih informatif, lebih variatif, dan kolinieritas (multikolinieritas) antara data semakin berkurang, dan derajat kebebasan ( degree of freedom/df) lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien. 5) Data panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks. 6) Data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulkan oleh agregasi data individu. Keunggulan dari regresi menggunakan data panel menjadikan tidak harus dilakukan pengujian asumsi klasik pada model data panel (Ajija, Shochrul R, et. al., 2011). Persamaan model dengan menggunakan data cross-section... (3.5a) dimana N adalah banyaknya data cross-section Persamaan model dengan time series adalah :... (3.5b)

11 49 dimana T adalah banyaknya data time series Data panel merupakan gabungan dari data cross-section dan data time series, sehingga persamaannya dapat ditulis sebagai : i = 1,2,3,...,N ; t = 1,2,3,...,T... (3.5c) dimana : N T NxT = banyaknya observasi = banyaknya waktu = banyaknya data panel Dalam proses pengolahan analisis data panel terdapat tiga pendekatan yaitu common effect, pendekatan efek tetap (fixed effect), dan pendekatan efek acak (random effect). 1) Common Effect Pendekatan Common Effect mengkombinasikan data time series dan cross section dengan cara menggabungkan kedua jenis data tersebut sehingga dapat digunakan metode OLS untuk mengestimasi model data panel. Pendekatan ini tidak memperhatikan dimensi individu maupun waktu, dan dapat diasumsikan bahwa perilaku data antar individu sama dalam berbagai rentang waktu. Asumsi ini sangat jauh dari realita sebenarnya, karena karakteristik antar individu baik dari segi kewilayahan jelas sangat berbeda

12 50 2) Pendekatan efek tetap (Fixed effect) Model efek tetap mengasumsikan bahwa perbedaan antar unit crosssectional dan unit waktu terlihat pada intersep yang bervariasi pada unit yang bersangkutan. Pada model efek tetap dua arah, perbedaan intersep tersebut berasal dari kedua unit yaitu unit cross-sectional dan unit waktu. Sehingg sulit terpenuhi asumsi intersep dan slope yang konsisten. Yang dapat dilakukan dengan memasukkan variabel boneka (dummy variabel). Pemodelan efek tetap secara umum dengan menggunakan Least Square Dummy Variabel (LSDV) yaitu metode pendugaan parameter regresi linier dengan menggunakan OLS pada model yang melibatkan peubah boneka (dummy) pada salah satu peubah penjelasnya (Greene, 2007). 3) Pendekatan efek acak (Random effect) Penambahan variabel boneka ini akan dapat mengurangi banyaknya derajat kebebasan ( degree of freedom) sehingga akan mengurangi efisiensi dari parameter yang diestimasi. Pendekatan model komponen error (error component model) atau model efek acak (random effect) dapat digunakan untuk model panel data yang di dalamnya melibatkan korelasi antar error term karena berubahnya waktu karena berbedanya observasi. Model ini memiliki asumsi pengaruh unit cross-sectional dan unit waktu merupakan peubah acak yang dimasukkan dalam model sebagai bentuk galat (Judge, dkk., 1980).

13 51 2. Estimasi Model Penelitian mengenai pengaruh variabel Kinerja Ekonomi (IKE), Dependency Ratio (DR), Tenaga Kerja (Tk ind, Tk tani ), dan Desentralisasi Fiskal (DDF1, DDF2, DDF3, DDF4) terhadap Kesejahteraan (IPM) menggunakan data time series selama empat tahun dari dan data cross section sebanyak 35 data kabupaten/kota di Jawa Tengah dengan 140 observasi. Model yang digunakan adalah : IPM = ƒ (IKE, DR muda, DR tua, T ind, T tani DDF 1, DDF 2, DDF 3, DDF 4,) Atau dijabarkan dalam IPMit = α 0 + β 1 IKE 1it + β 2 DR muda + β 3 DR tua + β 4 T ind + β 5 T tani + β 6 DFF 1it + β 7 DFF 2it + β 8 DFF 3it + β 9 DFF 4it + ε it... (3.7) Dimana IPM = Indeks Pembangunan Manusia IKE DR muda DR tua T (ind) = Indeks Kinerja Ekonomi = Dependency Ratio Muda = Dependency Ratio Tua = Persentase Tenaga Kerja sektor industri T( tani) = Persentase Tenaga Kerja sektor pertanian DFF1 DFF2 DFF3 DFF4 = PAD/TPD = DAU/TPD = DAK/TPD = DBH/TPD

14 52 α β e i t = intercept/koefisien = konstanta/slope = error term = kabupaten/kota = tahun 3. Pengujian Signifikansi Model Untuk menguji model terbaik dilakukan uji sebagai berikut : a. Uji Chow Uji signifikansi ini bertujuan untuk menentukan model yang paling baik, antara fixed effect atau common effect. Pengujian dilakukan dengan uji Chow yang merupakan uji perbedaan dua model regresi dengan menggunakan statistik uji F (Widarjono,2007). Hipotesa : H 0 H 1 : intersep adalah sama (Model Common Effect) : intersep adalah berbeda (Model Fixed Effect) Dimana RSS 1 = Residual Sum of Squares tanpa variabel dummy RSS 2 m n k = Residual Sum of Squares dengan variabel dummy = jumlah restriksi = jumlah observasi = jumlah paramater

15 53 b. Uji Hausman Hausman (1978) dalam Widarjono ( 2007) telah mengembangkan suatu uji statistik untuk memilih menggunakan fixed effect atau random effect. Uji Hausman menggunakan statistik uji yang mengikuti distribusi Chi-square dengan derajat bebas (db) sebesar jumlah variabel independen. Hipotesa : H 0 H 1 : Model Random Effect : Model Fixed Effect c. Uji Lagrange Multiplier Pengujian dilakukakaan saat dua pengujian sebelumnya model random effect lebih baik dari model fixed effect. Uji signifikansi ini bertujuan untuk mengetahui apakah model random effect lebih baik dari model common effect. Pengujian dilakukan dengan statistik uji Lagrange Multiplier (LM) yang dikembangkan oleh Beusch-Pagan (Widarjono,2007). Statistik uji LM ini mengikuti distribusi Chisquares dengan derajat bebas (db) sebesar jumlah varia bel bebas. Hipotesa : H 0 H 1 : Model Common Effect : Model Random Effect Dimana n = jumlah individu T e = jumlah periode waktu = residual metode OLS

16 54 4. Pengujian Kriteria Statistik Uji statistik terdiri dari pengujian koefisien regresi parsial (uji t) untuk masing-masing variabel bebas, pengujian koefisien regresi secara bersama-sama (uji F), dan pengujian koefisien determinasi Goodness of fit test (R 2 ). Gujarati ( 2003) menyatakan bahwa uji signifikansi merupakan prosedur yang digunakan untuk menguji kebenaran atau kesalahan dari hasil hipotesis nol dari sampel. a. Pengujian Signifikansi Simultan (Uji F) Untuk mengetahui apakah variabel-variabel bebas secara keseluruhan signifikan secara statistik mempengaruhi variabel terikat digunakan Uji F. Hipotesis : Ho : : Atau x 1, x 2,..., xi tidak mempengaruhi Y H 1 : Minimal ada satu koefisien regresi yang tidak sama dengan 0 Atau minimal salah satu x i mempengaruhi Y Rumus F hitung : F hitung = Dimana : JK reg /k JK res /(n-k-1) JK reg JK res = Jumlah Kuadrat Regresi = Jumlah Kuadrat Residu (sisa)

17 55 k (n-k-1) = banyak variabel bebas = derajat bebas Dengan : JK reg = β 1 ƩY i X 1i + β 2 ƩY i X 2i β k ƩY i X ki Jk res = Ʃ(Y i Ŷ i ) 2 F Tabel dengan derajat bebas v1 = k dan v2 = n k 1 (F α,k;(n-k-1) ) Pada tingkat signifikasi 5 persen, kriteria pengujian yang digunakan sebagai berikut : 1) H 0 diterima dan H 1 ditolak apabila F hitung < F Tabel, yang artinya variabel penjelas secara serentak atau bersama-sama tidak mempengaruhi variabel yang dijelaskan secara signifikan. 2) H 0 ditolak dan H 1 diterima apabila F hitung > F Tabel, yang artinya variabel penjelas secara serentak dan bersama-sama mempengaruhi variabel yang dijelaskan secara signifikan. b. Pengujian Signifikansi Parameter Individual (Uji t) Uji signifikansi parameter individual (uji t) dilakukan untuk melihat signifikansi dari pengaruh variabel bebas terhadap variabel terikat secara individual dan menganggap variabel lain konstan. Hipotesa yang digunakan adalah : 1) H 0 : β 1 0 tidak ada pengaruh antara variabel Indeks Kinerja Ekonomi dengan IPM H 1 : β 1 >0 variabel Indeks Kinerja Ekonomi berpengaruh positif terhadap IPM

18 56 2) H 0 : β 2 0 tidak ada pengaruh antara variabel Rasio Ketergantungan Muda dengan IPM H 1 : β 2 >0 variabel Rasio Ketergantungan Muda berpengaruh negatif terhadap IPM 3) H 0 : β 3 0 tidak ada pengaruh antara variabel Rasio Ketergantungan Tua dengan IPM H 1 : β 3 >0 variabel Rasio Ketergantungan Tua berpengaruh negatif terhadap IPM 4) H 0 : β 4 0 tidak ada pengaruh antara variabel Tenaga Kerja Industri dengan IPM H 1 : β 4 >0 variabel Tenaga Kerja Industri berpengaruh positif terhadap IPM 5) H 0 : β 5 0 tidak ada pengaruh antara variabel Tenaga Kerja Pertanian dengan IPM H 1 : β 5 <0 variabel Tenaga Kerja Pertanian berpengaruh negatif terhadap IPM 6) H 0 : β 6 0 tidak ada pengaruh antara variabel Desentralisasi Fiskal Pendapatan Asli Daerah dengan IPM H 1 : β 6 <0 variabel Desentralisasi Fiskal Pendapatan Asli Daerah berpengaruh positif terhadap IPM

19 57 7) H 0 : β 7 0 tidak ada pengaruh antara variabel Desentralisasi Fiskal Dana Alokasi Umum dengan IPM H 1 : β 7 >0 variabel Desentralisasi Fiskal Dana Alokasi Umum berpengaruh positif terhadap IPM 8) H 0 : β 8 0 tidak ada pengaruh antara variabel Desentralisasi Fiskal Dana Alokasi Khusus dengan IPM H 1 : β 8 <0 variabel Desentralisasi Fiskal Dana Dana Alokasi Khusus berpengaruh positif terhadap IPM 9) H 0 : Β 9 0 tidak ada pengaruh antara variabel Desentralisasi Fiskal Dana Bagi Hasil dengan IPM H 1 : Β 9 <0 variabel Desentralisasi Fiskal Dana Bagi Hasil berpengaruh positif terhadap IPM Nilai t diperoleh dengan rumus : t hitung i = Dimana : β i * β i * β i - β i SE(β i ) = parameter yang diestimasi = nilai β i pada hipotesis SE(β i )= standar error β i

20 58 t Tabel dengan derajat bebas (n-k-1) dengan tingkat signifikasi (α) 5 % (t α;(n-k-1 )) pengujian yang digunakan adalah sebagai berikut: 1) Jika t- hitung > t- Tabel maka H 0 ditolak, artinya variabel independen mempengaruhi variabel dependen secara signifikan. 2) Jika t- hitung < t- Tabel maka H 0 diterima, artinya variabel independen tidak mempengaruhi variabel dependen secara signifikan. c. Koefisien Determinasi (R 2 ) R 2 atau koefisien determinasi mengukur kebaikan suai (goodness of fit) dari persamaan regresi, yaitu memberikan proporsi atau persentase variasi total dalam variabel terikat yang dijelaskan oleh variabel bebas. Imam Ghozali (20 11) menyatakan bahwa koefisien determinasi (R 2 ) pada intinya mengukur seberapa jauh kemampuan suatu model dalam menerangkan variasi variabel terikat. Nilai (R 2 ) adalah antara nol dan satu ( 0 R 2 1). Kecocokan model dikatakan lebih baik kalau R 2 semakin mendekati 1. Ini juga berarti bahwa jika nilai mendekati nol berarti kemampuan variabel bebas dalam menjelaskan variabel terikat amat terbatas. Sedangkan jika nilai kecocokan model dikatakan lebih baik kalau R 2 semakin mendekati 1 berarti variabel-variabel bebas semakin memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen.

21 59 Penghitungan R 2 dilakukan dengan rumus sebagai berikut : R 2 = JK reg 2 ƩY i Kelemahan mendasar penggunaan determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model karena setiap penambahan satu variabel bebas nilai R 2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Sehingga banyak peneliti menyarankan untuk menggunakan nilai adjusted R 2 pada saat mengevaluasi model regresi yang terbaik. 5. Pengujianji Asumsi Klasik Pengujian asumsi klasik perlu dilakukan dalam metode kuadrat terkecil (least square) untuk menjamin asumsi-asumsi yang diperlukan dalam menggunakan metode least square terpenuhi dan estimator yang dihasilkan bersifat Best Linier Unbiased Estimator (BLUE). a. Uji Multikolinearitas Multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linear pasti dan istilah kolinearitas berkenaan dengan terdapatnya satu hubungan linear (Gujarati, 2003). Multikolinearitas dideteksi dengan melihat matriks koefisien korelasi antara masingmasing variabel bebas. Kaidah yang digunakan adalah apabila koefisien korelasi antara dua variabel bebas lebih besar dari 0,8 maka kolinearitas berganda merupakan masalah yang serius.

22 60 Pendeteksian selanjutnya dengan melihat nilai variance inflation factor (VIF) dan tolerance (TOL) berdasarkan nilai R j 2 yang merupakan nilai R 2 dari regresi auxiliary antara variabel independen dengan variabel independen sisanya. Jika nilai VIF melebihi angka 10 maka dikatakan ada multikolinierritas. Kemudian jika nilai TOL mendekati 1 berarti tidak ada kolinieritas antara variabel independen, tetapi jika TOL mendekati 0 maka ada kolinieritas antara variabel independen (Widarjono, 2007). b. Uji Heteroskedasitas Heteroskedasitas adalah suatu keadaan dimana residual mempunyai varian yang tidak konstan. Pengujian adanya Heteroskedasitas dapat dilkukan dengan Uji White, yang didasarkan pada jumlah sampel (n) dikalikan R 2 yang mengikuti distribusi Chisquares dengan derajat bebas banyaknya variabel bebas. (Widarjono, 2007). Hipotesis nol adalah tidak ada heteroskedasitas, dan hipotesis alternatif adalah terjadi heteroskedasitas. = nr 2 dimana H 0 ditolak jika c. Uji Autokorelasi Akibat dari adanya autokorelasi adalah parameter yang diestimasi menjadi bias dan variannya minimum, sehingga tidak efisien. (Gujarati, 2003).

23 61 Model regresi linear klasik mengasumsikan autokorelasi tidak terdapat di dalamnya distribusi atau gangguan. Uji statistik yang digunakan adalah Uji Durbin-Watson. Model tidak mempunyai masalah autokorelasi apabila du < DW < 4-du. d. Uji Normalitas Widarjono (2007) menyatakan uji signifikansi pengaruh variabel independen terhadap variabel dependen melalui uji t hanya akan valid jika residual yang didapatkan mempunyai distribusi normal. Hipotesa : H 0 : residual mengikuti distribusi normal H 1 : residual tidak mengikuti distribusi normal Rumusan uji normalitas dengan J-B test adalah: J B hitung = [ Dimana : Tolak H 0 jika J-B hitung > S 2 k ( 6 24 S = skewnes k = kurtosis ) 2 ]