d. Tanda yang diharapkan pada hasil taksiran koefisien akan bertentangan
menurut teori. Untuk mengatasinya dapat dilakukan dengan cara sebagai berikut:
a. Salah satu variabel independen jangan diikutsertakan dalam menaksir model.
Tetapi harus diperhatikan mungkin variabel tersebut secara teori berhubungan terhadap variabel dependen maka hasil taksiran akan menjadi bias.
b. Mendefinisikan kembali variabel-variabel tersebut.
c. Penambahan data-data.
3.7.2 Autokorelasi
Istilah autokorelasi dapat didefinisikan sebagai korelasi disturbance error antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam
data deretan waktu atau ruang seperti dalam data cross-sectional. Model regresi linear klasik mengasumsikan autokorelasi tidak terdapat di dalamnya disturbansi atau
gangguan u
i
Gujarati, 1999: 201. Dilambangkan dengan : Eu
i
u
j
= 0 i ≠ j
Faktor-faktor yang menyebabkan autokorelasi terjadi : a.
Spatial autokorelation Biasanya terjadi pada data cross section. Fluktuasi atau perubahan
aktivitas kegiatan ekonomi dari satu daerah akan mempengaruhi kegiatan ekonomi daerah terdekat karena ada keterkaitan ekonomi antara daerah
tersebut. b.
Pengaruh yang berkelanjutan Prolonged Influence of Shocks 54
Universitas Sumatera Utara
Hal ini sering terjadi pada time series data, yaitu faktor bencana alam dan faktor lain yang sangat mempengaruhi kegiatan ekonomi sehingga akan
terasa pada periode berikutnya. c.
Inersia Psychological Conditioning Yaitu tindakan-tindakan atau pengaruh masa lalu yang akan masih
mengganggu kegiatan atau aktivitas selanjutnya misalnya peningkatan suku bunga, pajak dan lain-lain.
d. Manipulasi data
Yaitu adanya interpolasi data atau penambahan data. e.
Bias spesifikasi Mis Specification Hal ini terjadi karena tidak disertakannya variabel independen yang
berhubungan di mana variabel independen tersebut sebenarnya turut mempengaruhi variabel dependen.
D-W Test Uji Durbin-Watson
D-W test digunakan untuk mengetahui apakah dalam model terdapat autokorelasi ataupun antara disturbance error-nya.
∑ ∑
− −
−
− =
n t
t t
et e
e DW
1 2
1 2
2 1
1
Universitas Sumatera Utara
Tabel 3.1 Kriteria Pengambilan Keputusan D-W Test
Nilai D-W Berdasarkan Estimasi Model Regresi
Kesimpulan 4-D.W.LDW4
4-DWUDW4-DWL 2DW4-DWU
DWUDW2 DWLDWDWU
0DWDWL Tolak H
. Terdapat serial korelasi negatif diantara disturbance error.
Tidak ada kesimpulan. Terima H
0.
Terima H
a.
Tidak ada kesimpulan. Tolak H
. Terdapat serial korelasi positif diantara disturbance terms.
Bentuk hipotesis dari uji D-W sebagai berikut: H
: p = 0 → tidak ada serial korelasi
H : p
≠ 0 → ada serial korelasi
Gambar 3.1 Kurva D-W Statistik
Universitas Sumatera Utara
Jika beberapa di antara variabel independen tersebut merupakan lagged variables, maka anggapan penggunaan D-W test tidak berlaku dalam mengetahui
apakah pada model tersebut terdapat autokorelasi atau tidak. Sehingga oleh sebab itu Durbin 1978 mengembangkan D-W test menjadi h-statistik untuk mengetahui ada
autokorelasi atau tidak dalam model tersebut :
2
var 1
2 1
β
N N
dw statistic
h −
− =
−
di mana : dw
= Nilai D-W test Var
β
2
= Standar error β
N = Jumlah observasi S
3.8 Defenisi Operasional Variabel