Autokorelasi Regresi Linear Berganda

a = Konstamta b = Regresi yang menunjukan angka peningkatan ataupun penurunan variabel independent, bila b + mana naik dan bila b - maka terjadi penurunan x 1 = Iklan x 2 = Brand Image x 3 = Kualitas Produk e = Error Langkah selanjunya yaitu melakukan pengujian dan pembuktian terhadap hipotesisi yang telah dibuat pembuktian ini melalui perhitungan dengan menggunakan program SPSS. Dalam pengujian regresi agar menunjukan hubungan yang valid atau tidak maka perlu pengujian Asumsi Kalsik pada model Regresi yang digunakan. Adapun asumsi dasar yang harus dipenuhi antara lain adalah:

a. Autokorelasi

Merupakan pengujian dalam regresi dimana dependent variabel tidak berkorelasi dengan dirinya sendiri. Maksud korelasi dengan dirinya sendiri adalah bahwa nilai variabel terikat Dependent Variabel tidak berhubungan dengan nilai variabel itu sendiri, baik nilai periode sebelumnya atau nilai selanjutnya untuk mendeteksi gejala Autokorelasi kita menggunakan Uji Durbi Watson DW. Uji ini menghasilkan nilai DW hitung dan nilai DW table. Hipotesisinya: Ho : Tidak ada korelasi, jika Durbin Wason -2 sampai 2 Autokorelasi positif jika DW 2 maka terjadi Auokorelasi negative. Rumus Uji Durbin Wason adalah sebagai berkut: D = en – en -1 e²n Criteria pengujian: Ho : Diterima jika nilai DW diantara angka -2 d 2 nilai Durbin Watson hitung mendekati atau disekitar angka 2 Untuk mendiagnosis adanya nilai Durbin Watson Uji DW dengan ketentuan sebagai berikut: Tabel 3.3 Pedoman unuk memberikan interprestasi Uji Durbin Watson DW Kesimpulan Kurang dari 1,10 1,10 dan 1,54 1,55 dan 2,46 2,46 dan 3,90 Lebih dari 2,91 Ada autokorelasi Tanpa Kesimpulan Tidak ada Autokorelasi Tanpa Kesimpulan Ada Autokorelasi Sumber : Algifari, Analisis Regresi, CV. BPFE, Yogyakarta, Hal: 7-9 b. Multikolinearitas Adanya hubungan linear yang sempurna atau eksak diantara variabel-variabel dalam regresi. Model regresi yan g baik seharusnya tidak terjadi korelasi antara variabel bebas. Jika variabel bebas saling berkorelasi antara variabel terikat maka variabel ini tidak orthogonal. Variabel onthogonal adalah variabel bebas yang nilai korelasi antar sesame variabel bebas sama dengan nol. Menurut Bhuono 2005:58 untuk melihat ada tidaknya Multikolinearitas biasanya dengan melihat VIF Variansce Inflation Factor, ini tidak lebih dari 10 dan nilai toleransi kuang dari 0,1 untuk masing-masing variabel bebas. c. Heteroskedastisitas Asumsi ini digunakan apabila variasi dari factr penggangu selalu sama pada data pengamatan yang satu terhadap pengamatan lainnya. Jika ini dapat terpenuhi, berarti variasi factor pengganggu pada kelompok data tersebut bersifat Homoskedastisitas. Jika asumsi ini tidak dapat terpenuhi maka dapat dikatakan terjadi penyimpangan . penyimpangan ini terdapat beberapa factor penggangga yang disebut sebagai Heteroskedastisitas. Kemudian menurut pandangan Bhuono 2005:62 untuk mengetahui ada atau tidaknya Heteroskedastisitas terdapat beberapa cara diantaranya: 1. Dengan melihat grafik Plot antara prediksi variabel terikat ZPRED dengan residunya SRESID. Deteksi ada atau tidaknya Heteroskedastisitas dengan melihat antara SRESID dan ZPRED dimana sumbu Y adalah yang diprediksi dan sumbu X adalah residunya. 2. Dasar dari analisis ini, jika ada pola tertentu seperti titik yang tidak membentuk suatu pola yang teratur, maka mengidentifikasikan telah terjadi Heteroskedastisitas. Tetapi tidak ada pola yang jelas secara titik-titik menyebar diatas dan dibawah angka nol. Maka tidak terjadi Heteroskedastisitas, artinya hal tersebut terbebas dari asumsi klasik Heteroskedastisitas dan layak dgunakan dalam penelitian

d.Normalitas