Tahapan Analisis Data Metode Analisis Data
61
2 Tambahkan data
bila memungkinkan,
karena masalah
multikolinearitas biasanya muncul karena jumlah observasinya sedikit. 3 Hilangkan salah satu variabel independen, terutama yang memiliki
hubungan linier yang kuat dengan variabel lain. Tetapi apabila menurut teori variabel independen tersebut tidak mungkin dihilangkan,
berarti harus tetap dipakai. 4 Transformasikan salah satu atau beberapa variabel, termasuk
misalnya dengan melakukan diferensi.
b. Uji Autokorelasi Autokorelasi didefinisikan sebagai hubungan antara residual satu
observasi dengan residual observasi lainnya. Autokorelasi lebih mudah timbul pada data yang bersifat runtut waktu, karena berdasarkan sifatnya,
data masa sekarang dipengaruhi oleh data pada masa-masa sebelumnya.
Autokorelasi terjadi karena beberapa sebab. Menurut Gujarati 2003, beberapa penyebab autokorelasi adalah :
1 Data mengandung pergerakan naik turun secara musiman, misalnya kondisi perekonomian suatu negara yang kadang naik dan kadang
menurun. 2 Kekeliruan memanipulasi data, misalnya data tahunan dijadikan
data kuartalan dengan membagi empat.
62
3 Data runtut waktu, yang meskipun bila dianalisis dengan model y
t
= a + bx
t
+ e
t
, karena datanya bersifat runtut, maka berlaku juga y
t-1
= a + bx
t-1
+ e
t-1
. Dengan demikian akan terjadi hubungan antara data sekarang dan data periode sebelumnya.
4 Data yang dianalisis tidak bersifat stasioner.
Salah satu pengujian populer yang digunakan untuk menguji autokorelasi adalah uji Durbin-Watson. Penjelasan Durbin-Watson
berikut ini diambil dari buku Nachrowi dan Hardius 2008:138-140 Tabel DW terdiri atas dua nilai, yaitu batas bawah d
L
dan batas atas d
U
. Nilai-nilai ini dapat digunakan sebagai pembanding uji DW, dengan aturan sebagai berikut :
1. Bila DW d
L
; berarti ada korelasi positif, 2. Bila d
L
≤ DW ≤ d
U
; kita tidak dapat mengambil kesimpulan apa-apa, 3. Bila d
U
DW 4 – d
U
; berarti tidak ada korelasi positif maupun negatif,
4. Bila 4 – d
U
≤ DW ≤ 4 – d
L
; kita tidak dapat mengambil kesimpulan apa-apa,
5. Bila DW 4 – d
L
; berarti ada korelasi negatif.
63
c. Uji Heteroskedastisitas Heteroskedastisitas merupakan penyimpangan terhadap asumsi
homoskedastisitas, yaitu keberadaan varians yang tidak konstan dalam disturbance term untuk semua pengamatan. Dampak adanya hal tersebut
adalah tidak efisiennya proses estimasi, sementara hasil estimasinya sendiri tetap konsisten dan tidak bias serta akan mengakibatkan hasil uji t
dan uji F dapat menjadi tidak berguna misleading. Heteroskedastisitas terjadi apabila varian tidak konstan atau
berubah-ubah. Menurut Agus Widarjono 2009:235 permasalaahn heteroskedastisitas bisa diatasi dengan menggunakan metode GLS
Generalized Least Square. Metode GLS Generalized Least Square yang pada intinya memberikan
pembobotan kepada variasi data yang digunakan dengan kuadrat varians dari model sehingga dapat dikatakan dengan menggunakan GLS masalah
heteroskedastisitas sudah dapat teratasi.