Magister Manajemen Univ. Muhammadiyah Yogyakarta

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Wihandaru Sotya Pamungkas Linieritas 41


LINIERITAS

1. Pendahuluan Tujuan uji linieritas adalah untuk mengidentifikasi apakah spesifikasi model yang digunakan berbentuk fungsi linier, kuadrat atau kubik.

Ada beberapa kritreria umum yang digunakan dalam pemilihan bentuk fungsi, yaitu: a.

Kriteria pertama adalah bentuk fungsi harus sesuai dengan teori ekonomi. Jika pemilihan bentuk fungsi hanya berdasarkan faktor “keindahan” tanpa pembenaran secara teoritis maka yang diperoleh hanya “sekedar suatu pengukuran tanpa teori”. Cara seperti ini tidak menghasilkan manfaat atau hanya sekedar latihan statistik Wihandaru Sotya Pamungkas Linieritas 42

Magister Manajemen Univ. Muhammadiyah Yogyakarta namun bukan analisis ekonometri. b.

Bila ada dua bentuk yang bisa menjelaskan dengan sama baiknya maka sebaiknya memilih bentuk yang lebih sederhana. Bentuk yang lebih sederhana dapat dilihat dari banyaknya parameter yang ada dalam fungsi (model estimasi).

c.

Bentuk fungsi harus dapat menghasilkan prediksi yang baik. Kriteria ketiga ini disebut dengan goodness of fit yang didasarkan pada nilai R2 (koefisien determinasi). Semakin besar nilai R2 maka semakin banyak proporsi variasi variabel tergantung (dependent variable) yang bisa dijelaskan oleh variasi variabel‐variabel bebasnya (independent variables).

Catatan: Ukuran goodness of fit dengan R2 bisa menyesatkan bila regressand sudah ditransformasikan, misal, jika bentuk fungsi yang diplih: “LOG‐LOG”.



2. Uji Linieritas Pada tulisan disini akan membahas: a. Uji Ramsey (Ramsey RESET Test). b. Uji Lagrange Multiplier (Lagrange Multiplier (LM) Test).

Model Estimasi Y = b0 + b1X1 + b2X2 + e

2.1. Uji Ramsey (Ramsey RESET Test) Uji ini dikembangkan oleh Ramsey pada tahun 1969. Uji ini

disebut dengan general test of spesification error atau lebih dikenal dengan RESET, karena uji ini berkaitan dengan masalah spesifikasi kesalahan.



Langkah‐langkah: a.

Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual R2old dan Yprediksi, selanjutnya dikuadratkan (Yprediksi^2) .

Y = b0 + b1X1 + b2X2 + e b.

Meregres fungsi empirik tersebut di bawah ini, dan R2new.

Y = b0 + b1X1 + b2X2 + b3Yprediksi^2 + e c.

Mencari nilai Fhitung dengan rumus:

Fhitung =

(R2new – R2old) / m

——————————

(1 – R2new) / (n – k)

Keterangan: m: Jumlah variabel bebas yang baru masuk. n: Jumlah data (observasi). Wihandaru Sotya Pamungkas Linieritas 45

Magister Manajemen Univ. Muhammadiyah Yogyakarta k: banyaknya parameter dalam persamaan baru. d.

Mencari nilai Ftabel (α=5% ; df1=k ; df2=n–k–1) ; Nilai Ftabel = ……

e.

Kesimpulan: Fhitung < Ftabel Æ fungsi empiris linier.

2.2. Uji Lagrange Multiplier (LM) Uji ini dikembangkan oleh Engle pada tahun 1969. Uji ini

merupakan uji alternatif dari uji Ramsey RESET.

Langkah‐langkah: a.

Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual.

Y = b0 + b1X1 + b2X2 + e b.

Meregres fungsi empirik tersebut di bawah ini:

e = b0 + b1X1 + b2X2 + b3X1^2+b4X2^2 + v Wihandaru Sotya Pamungkas Linieritas 46

Magister Manajemen Univ. Muhammadiyah Yogyakarta c.

Mencari nilai X2hitung = [n] x [R2].

d. Mencari nilai X2tabel( =5% ; df=k) ; X2tabel = 3.85146. α e.

Kesimpulan: X2hitung < X2tabel Æ fungsi empiris linier.

3. Contoh Uji Linieritas Model Penelitian RETURN = b0 + b1DER + b2DPR + b3EPS + b4NPM + b5ROA + e

3.1. Uji Ramsey (Ramsey RESET Test) Langkah‐langkah: a.

Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual R2old dan RETURNprediksi,


Magister Manajemen Univ. Muhammadiyah Yogyakarta selajutnya dikuadratkan (RETURNprediksi^2) .

RETURN = b0 + b1DER + b2DPR + b3EPS + b4NPM + b5ROA + e b.

Meregres fungsi empirik tersebut di bawah ini, dan R2new.

RETURN = b0 + b1DER + b2DPR + b3EPS + b4NPM + b5ROA + b6RETURNprediksi^2 + e c.

Mencari nilai Fhitung = 0.3396.

d. Mencari nilai Ftabel α=5% ; df1 = 6 ; df2 = 33 Ftabel = 2.38. e.

Kesimpulan: Fhitung < Ftabel Æ fungsi empiris linier.



R2old Model Summary Model

R

R Square Adjusted R Square

1

0.598

0.358

0.264

a. Predictors: (Constant), ROA, DPR, DER, EPS, NPM

R2new Model Summary Model

R


1

0.603

0.364

0.248

a. Predictors: (Constant), RETURNPREDISKI^2, ROA, DPR, DER, EPS, NPM



3.2. Uji Lagrange Multiplier (LM) Langkah‐langkah: a.

Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual (e).

RETURN = b0 + b1DER + b2DPR + b3EPS + b4NPM + b5ROA + e b. Meregres fungsi empirik tersebut di bawah ini, dan diperoleh nilai R2.

e = b0 + b1DER + b2DPR + b3EPS + b4NPM + b5ROA + b6DER^2 + b7DPR^2 +b8EPS^2 + b9NPM^2 + b10ROA^2 + v


Magister Manajemen Univ. Muhammadiyah Yogyakarta c.

Mencari nilai X2hitung = [n] x [R2]. Nilai X2hitung = [40] x [0.181] = 7.24.

d. Mencari nilai X2tabel = α=5% ; df = k = 10 ; X2tabel = 18.31. e.

Kesimpulan: X2hitung < X2tabel Æ fungsi empiris linier.

Model Summary Model

R


1

0.426

0.181

– 0.101

a. Predictors: (Constant), ROA^2, DPR, DER, EPS^2, NPM^2, NPM, DPR^2, DER^2, ROA, EPS



Daftar Pustaka

Ghozali, Imam (2007), Edisi 4, Aplikasi Analisis Multivariate dengan Program SPSS, BP Universitas Diponegoro, Semarang. Gujarati, Damodar N. (1995), Third Edition, Basics Econometrics, McGraw‐Hill, New York. Sumodiningrat, Gunawan (1998), Edisi I, Ekonometrika Pengantar, BPFE, Yogyakarta.


Magister Manajemen Univ. Muhammadiyah Yogyakarta

Recommend Documents