Mendeteksi Adanya Non-Autokorelasi Analisa Residu

Ahmad Iqbal : Analisis Pengaruh Beberapa Variabel Makro Terhadap Laju Inflasi Kasus Di Propinsi Sumatera Utara Tahun 1990-2006, 2008. USU Repository © 2009 X 1 nilai VIF = 1,02 X 3 nilai VIF = 1,52 X 4 nilai VIF = 1,54 Karena nilai VIF tidak begitu besar maka kesimpulannya adalah tidak terdapat multikolinearitas.

4.2.2 Mendeteksi Adanya Non-Autokorelasi

Untuk mendeteksi adanya autokorelasi adalah dengan cara melihat nilai D-W Durbin- watson. Hipotesis yang digunakan: H : tidak ada autokorelasi antar sisaan H 1 : ada autokorelasi antar sisaan Statistik uji: 2 1 2 2 1 ∑ ∑ = = = − − = n t t t n t t t e e e d , Dengan e t = Y t - t Yˆ Ahmad Iqbal : Analisis Pengaruh Beberapa Variabel Makro Terhadap Laju Inflasi Kasus Di Propinsi Sumatera Utara Tahun 1990-2006, 2008. USU Repository © 2009 Tabel 4.2.2.1 Untuk Menghitung Uji Autokorelasi No Y Yˆ Y Y e i ˆ − = 2 2 ˆ Y Y e i − = 1 − − t t e e 2 1 − − t t e e 1 7.56 0.63331 6.92669 47.97903 2 8.99 9.43297 -0.44297 0.19622 -7.36966 54.31188852 3 4.56 14.24025 -9.68025 93.70724 -9.23728 85.3273418 4 9.75 4.19780 5.55220 30.82692 15.23245 232.027533 5 6.78 10.20041 -3.42041 11.69920 -8.97261 80.50773021 6 10.54 8.81474 1.72526 2.97652 5.14567 26.47791975 7 8.70 8.19255 0.50745 0.25751 -1.21781 1.483061196 8 13.10 14.91122 -1.81122 3.28052 -2.31867 5.376230569 9 83.56 75.43113 8.12887 66.07853 9.94009 98.80538921 10 1.37 12.23272 -10.86272 117.99869 -18.99159 360.6804907 11 5.73 14.76229 -9.03229 81.58226 1.83043 3.350473985 12 14.78 10.83419 3.94581 15.56942 12.97810 168.4310796 13 9.59 6.40913 3.18087 10.11793 -0.76494 0.585133204 14 4.23 21.54134 -17.31134 299.68249 -20.49221 419.9306707 15 6.80 10.35373 -3.55373 12.62900 13.75761 189.2718329 16 22.41 6.93122 15.47878 239.59263 19.03251 362.2364369 17 15.28 4.61099 10.66901 113.82777 -4.80977 23.13388745 Jlh 233.73 233.72999 0.0000 1148.00189 3.74232 2111.93710 Berdasarkan tabel diatas, diperoleh: 00189 , 1148 9371 , 2111 = d = 1,839 Artinya Dari hasil estimasi pada model diperoleh nilai D-W = 1,839. berdasarkan tabel pada bab 2.2.2.3 diperoleh kesimpulan bahwa nilai ini terletak diantara nilai kesimpulan tidak ada autokorelasi. Ahmad Iqbal : Analisis Pengaruh Beberapa Variabel Makro Terhadap Laju Inflasi Kasus Di Propinsi Sumatera Utara Tahun 1990-2006, 2008. USU Repository © 2009

4.2.3 Analisa Residu

Tabel. 4.2.3.1 Residu dan Rank Spearman No Yˆ e rankY r y ranke r e d r y -r e d2 1 0.63331 6.92669 17 4 13 169 2 9.43297 -0.44297 10 10 3 14.24025 -9.68025 5 15 -10 100 4 4.19780 5.55220 6 5 1 1 5 10.20041 -3.42041 9 12 -3 9 6 8.81474 1.72526 11 8 3 9 7 8.19255 0.50745 12 9 3 9 8 14.91122 -1.81122 3 11 -8 64 9 75.43113 8.12887 1 3 -2 4 10 12.23272 -10.86272 6 16 -10 100 11 14.76229 -9.03229 4 14 -10 100 12 10.83419 3.94581 7 6 1 1 13 6.40913 3.18087 14 7 7 49 14 21.54134 -17.31134 2 17 -15 225 15 10.35373 -3.55373 8 13 -5 25 16 6.93122 15.47878 13 1 12 144 17 4.61099 10.66901 15 2 13 169 jlh 233.72999 0.0000 1178 Untuk nilai rata-rata residu e = 0 dipenuhi Varian e j = varian e k = 2 σ Koefisien korelasi rank spearman:     − − = 1 15 15 1178 6 1 2 s r = -0,444 Ahmad Iqbal : Analisis Pengaruh Beberapa Variabel Makro Terhadap Laju Inflasi Kasus Di Propinsi Sumatera Utara Tahun 1990-2006, 2008. USU Repository © 2009 2 444 , 1 13 444 , − − − = uji t = -1,785 t tabel = t 13;0.05 = 2,16 kesimpulan: uji t t tabel Berdasarkan kondisi ini maka varian e j = varian e k . Sehingga asumsi ini dipenuhi. Gambar 4.2.3.1 Plot Residu 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Case -10.00 0.00 10.00 U n st a n d ar d iz ed R esi d u al ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ ฀ Mean = 0.00000 PLOT RESIDU Ahmad Iqbal : Analisis Pengaruh Beberapa Variabel Makro Terhadap Laju Inflasi Kasus Di Propinsi Sumatera Utara Tahun 1990-2006, 2008. USU Repository © 2009 Dengan demikian model persamaan yang digunakan sudah memenuhi asumsi- asumsi regresi, sehingga teknik analisis dengan menggunakan metode kuadrat terkecil biasa OLS menghasilkan penaksir tak bias.

4.3 Pengujian Regresi Linier Ganda