Langsung ke konten utama

Uji Asumsi Klasik Pada Data Panel

Data panel adalah regresi yang menggabungkan data time series dan data cross section (Widarjono, 2009). Ada beberapa keuntungan yang diperoleh dengan menggunakan estimasi data panel. Pertama, meningkatkan jumlah obeservasi (sampel), dan kedua, memperoleh variasi antar unit yang berbeda menurut ruang dan variasi menurut waktu (Kuncoro, 2012). Menurut Gujarati (2012) data panel sedikit terjadi kolinearitas antar variabel sehingga sangat kecil kemungkinan terjadi multikolinearitas. Berdasarkan uraian tersebut asumsi klasik yang digunakan dalam penelitian adalah uji autokorelasi dan uji heterokedastisitas.

Uji Multikolinearitas

Menurut Ghozali (2001), uji ini bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antarvariabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antarvariabel independen. Deteksi ada-tidaknya multikolinearitas dalam model regresi dapat dilihat dari tolerance value atau variance inflation factor (VIF). Kriteria untuk mendeteksi ada atau tidaknya multikolinearitas dalam model ini adalah sebagai berikut.

  1. Nilai R square sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak signifikan memengaruhi variabel terikat.
  2. Menganalisis matriks korelasi antar variabel bebas. Jika terdapat korelasi antarvariabel bebas yang cukup tinggi (>0.9), hal ini merupakan indikasi adanya multikolinearitas 
  3. Dilihat dari nilai tolerance dan VIF. Nilai cut off tolerance <0.10 dan VIF>10 berarti terdapat multikolinearitas. Jika terjadi gejala multikolinearitas yang tinggi, standard error koefisien regresi akan semakin besar dan mengakibatkan confidence interval untuk pendugaan parameter semakin lebar. Dengan demikian, terbuka kemungkinan terjadinya kekeliruan atau menerima hipotesis yang salah. Uji multikolinearitas dapat dilaksanakan dengan jalan meregresikan model analisis dan melakukan uji korelasi antarvariabel independen dengan menggunakan variance inflating factor (VIF). Batas VIF adalah 10. Apabila nilai VIF lebih besar daripada 10, maka dapat dikatakan terjadi multikolinearitas 
Uji Heterokedastisitas

Heterokedastisitas timbul apabila nilai residual dari model tidak memiliki varians yang konstan. Artinya, setiap observasi mempunyai reliabilitas yang berbeda-beda akibat perubahan kondisi yang melatarbelakangi tidak terangkum dalam model (Kuncoro, 2011). Gejala ini sering terjadi pada data cross section (Gujarati, 2012), sehingga sangat dimungkinkan terjadi heterokedastisitas pada data panel 

Uji Autokorelasi

Autokorelasi muncul karena residual yang tidak bebas antar satu observasi ke observasi lainnya (Kuncoro, 2011). Hal ini disebabkan karena error pada individu cenderung mempengaruhi individu yang sama pada periode berikutnya. Masalah autokorelasi sering terjadi pada data time series (runtut waktu). Deteksi autokorelasi pada data panel dapat melalui uji Durbin-Watson. Nilai uji Durbin-Watson dibandingkan dengan nilai tabel Durbin-Watson untuk mengetahui keberadaan korelasi positif atau negatif (Gujarati, 2012). Keputusan mengenai keberadaan autokorelasi sebagi berikut :
  1. Jika d < dl, berarti terdapat autokorelasi positif
  2. Jika d > (4 – dl), berarti terdapat autokorelasi negatif
  3. Jika du < d < (4 – dl), berarti tidak terdapat autokorelasi
  4. Jika dl < d < du atau (4 – du), berarti tidak dapat disimpulkan

Label

Labels:

Komentar

Posting Komentar

Postingan populer dari blog ini

Cara Uji Kelayakan Model Goodness of fit Pada SmartPLS

Uji Kelayakan Model Goodness of fit Pada SmartPLS,  Untuk melakukan uji kualitas model pengukuran, caranya adalah:  Klik menu Calculate  => PLS Algoritm (lihat pada bagian yang dilingkari  pada gambar dibawah ini !) Setelah itu, maka akan muncul tampilan seperti gambar di bawah ini.  Selanjutnya, pilih (klik) Start Calculation. Setelah proses Calculation selesai, maka akan keluar hasil pengujian kualitas model pengukuran (lihat gambar di bawah ini !). Penyimpulan mengenai kualitas model pengukuran mengacu pada rule of  tumbs berikut ini: Pada gambar di bawah ini nampak hasil outer loadings (di SPSS diistilahkan  dengan Factor Loadings ) digunakan untuk mengukur validitas konvergen  dari model pengukuran (instrumen). Pada kasus ini, hasil uji outer loadings menunjukkan skor yang rendah pada variabel AKT (Akuntabilitas) yaitu  kurang dari rule of tumbs 0,70 (Chin, 1998). Skor kurang dari 0,70 juga  nampak pada konstruk KMUK4 dan KSI...
Read more »

Cara Menyelesaikan Konflik

Pada postingan terdahulu kita telah membahas tentang akomodasi sebagai salah satu cara menyelesaikan konflik . Akomodasi sebagai cara untuk menyelesaikan konflik dalam masyarakat memiliki beberapa tujuan antara lain sebagai berikut : untuk mengurangi pertentangan di antara individu-individu atau kelopok manusia sebagai akibat perbedaan paham,  mencegah meledaknya pertentangan,  memungkinkan terjadinya kerja sama di antara kelompok-kelompok yang hidup terpisah sebagai akibat faktor sosial psikologis dan kebudayaan,  serta megusahakan peleburan antara kelompok-kelompok sosial yang terpisah, misalnya melalui perkawinan campuran. Beberapa cara akomodasi yang dapat digunakan untuk menyelesaikan konflik adalah konsiliasi, mediasi, arbitrasi, ajudikasi, eliminasi, subjugation atau domination, majority rule, minority consent, kompromi, integrasi, dan gencatan senjata. Sementara itu Georg Simmel mengatakan ada beberapa cara yang dapat digunakan untuk menyelesaikan konflik, yaitu s...
Posting Komentar
Read more »

Belajar Menggunakan WolframAlpha

Pasti kamu udah kenal beberapa search engine atau mesin pencari yang ada sekarang seperti Google, Yahoo, Ask, dan lain-lainnya ya? Tapi, tau nggak sih kamu tentang WolframAlpha? Mungkin kamu belum pernah denger atau asing dengan namanya. WolframAlpha sebenarnya bukan search engine seperti Google atau Yahoo, tapi lebih tepat disebut sebagai answer engine atau mesin penjawab. Meskipun masih baru, situs ini bisa memberikan banyak informasi dan menjawab beberapa pertanyaan. Tampilannya mirip dengan Google, tapi data yang ditampilkan lebih seperti Wikipedia. Jadi, bisa dibilang WolframAlpha itu perpaduan antara Google dan Wikipedia. Apa Itu WolframAlpha? Wolfram Alpha adalah sebuah mesin penjawab yang telah dikembangkan oleh perusahaan multinasional bernama Wolfram Research. Perusahaan ini berfokus pada pengembangan teknologi komputasi dan didirikan pada tahun 1987 oleh Stephen Wolfram, namun Wolfram Alpha ini baru dirilis ke publik pada tanggal 15 Mei 2009. Wolfram Alpha ini hadir deng...
Posting Komentar
Read more »