Sedikit review kembali sebelum kita masuk pada bahasan pokok artikel kali ini,
yaitu tentang jenis asumsi klasik yang harus dilakukan oleh para peneliti pada
saat analisis regresi OLS. Asumsi klasik yang harus diperhatikan antara lain:
asumsi linearitas regresi, normalitas residual, non multikolinearitas, non
heteroskedastisitas, non outlier dan non autokorelasi.
Pada kesempatan ini, kami akan jelaskan semua tutorial untuk melakukan uji
asumsi klasik tersebut di atas. baiklah, kita mulai dari yang pertama yaitu
asumsi autokorelasi. Namun sebaiknya anda baca terlebih dahulu artikel kami
sebelumnya yaitu: Tutorial Uji Regresi Linear dengan Eviews dan Interprestasi
Regresi Linear dengan Eviews. Maksudnya adalah agar terdapat kesinambungan
pemahaman dengan apa yang kan kita bahas saat ini. Kemudian silahkan buka
kembali file kerja aplikasi eviews pada pembahasan sebelumnya tersebut.
Uji Asumsi Klasik dengan Eviews
Ada dua macam autokorelasi yang akan kita uji, yaitu autokorelasi first order
dan autokorelasi serial correlation. Silahkan anda pilih mana yang cocok untuk
model regresi anda. Apabila tidak ada variabel Lag, silahkan gunakan uji
autokorelasi durbin watson. Namun jika ada variabel Lag, silahkan gunakan uji
autokorelasi serial correlation.
Langkah yang harus anda lakukan adalah buka kembali file kerja anda dan
pastikan file yang digunakan benar. Kemudian perhatikan output dari hasil
regresi linear dengan eviews yang tampilannya adalah sebagai berikut:
Output Autokorelasi Durbin Watson
dengan Eviews
Perhatikan nilai Durbin-Watson Stat, yaitu sebesar 1,767489. Nilai tersebut
adalah nilai Durbin Watson (DW) Hitung yang bisa anda bandngkan dengan nilai
DU dan DL pada tabel Durbin Watson. Agar anda paham dan memiliki Tabel
durbin Watson, silahkan baca artikel kami tentang Tabel Durbin Watson.
Kesimpulannya: Jika nilai DW > DU dan nilai (4-DW) > DU, maka dinyatakan
tidak ada masalah autokorelasi, baik autokorelasi positif maupun negatif. Lebih
detail tentang cara baca tabel durbin watson dan cara mengambil kesimpulan
pada uji autokorelasi, baca artikel kami yang berjudul: Pengertian dan
Penjelasan Uji Autokorelasi Durbin Watson.
Uji autokorelasi yang lain adalah serial korelasi. Banyak metode uji ini yang
bisa dilakukan, namun dengan eviews kita menggunakan uji Breusch-Godfrey
Serial Correlation LM Test. Caranya yaitu pada menu tekan tombol View ->
Residual Diagnostics -> Serrial Correlation LM Test.
Jika langkah anda benar, maka hasilnya adalah seperti gambar di bawah ini:
Uji Autokorelasi dengan Eviews
Perhatikan nilai Prob Chi Square(2) yang merupakan nilai p value uji Breusch-
Godfrey Serial Correlation LM, yaitu sebesar 0,2815 dimana > 0,05 sehingga
terima H0 atau yang berarti tidak ada masalah autokorelasi serial.
Perli diingat kembali bahwa asumsi normalitas pada regresi linear OLS
adalah pada residual bukan variabelnya. Cara uji normalitas dengan eviews
adalah: silahkan tekan tombol View -> Histogram-Normality Test. Hasilnya
sebagai berikut:
Uji Normalitas Residual
dengan Eviews
Uji Normalitas banyak sekali macamnya, antara lain: lilliefors, kolmogorov
smirnov, shapiro wilk dan shapiro francia, skewness kurtosis, jarque bera, dan
lain-lain. Pada aplikasi eviews ini, uji normalitas yang bisa kita lakukan adalah
menggunakan metode jarque bera. Silahkan baca artikel kami tentang
Pengertian dan Penjelasan Jarque Bera.
Hasil uji normalitas residual di atas adalah: nilai jarque bera sebesar 118,8955
dengan p value sebesar 0,0000 dimana < 0,05 sehingga terima H1 atau yang
berarti residual berdistribusi tidak normal.
Sebuah model regresi dinyatakan bebas dari data pencilan atau outlier, dapat
dideteksi dengan melihat nilai studentized residual. Menggunakan eviews,
caranya adalah terlebih dahulu anda menyimpan persamaan atau equation yang
digunakan, dimana dalam tutorial ini, persamaan regresinya adalah: y c x1 x2.
Cara menyimpan persamaan adalah tekan tombol “Name”, kemudian beri nama
misalnya: “eq01”. Ingat eq01 ini adalah sebagai nama persamaan.
Setelah anda melakukan berbagai macam uji asumsi klasik dengan eviews,
maka akan ada beberapa hasil, dimana mungkin tidak semuanya sesuai dengan
keinginan anda. Yaitu agar semua asumsi klasik bisa terpenuhi. Maka
merupakan tugas anda selanjutnya jika memang ada masalah asumsi. Tidak
mudah memang cara mengatasi asumsi klasik. Namun dalam berbagai artikel di
statistikian ini, kami sudah coba jelaskan cara mengatasinya. Misalnya pada
artikel kami tentang cara mengatasi outlier. Silahkan anda berselancar di
website kami ini dan jangan kemana-mana.
Demikian di atas telah kami jelaskan satu persatu dan secara terperinci
bagaimana caranya melakukan uji asumsi klasik dengan eviews. Semoga
bermanfaat dan terima kasih.