BAB III Metode Penelitian 30
Hal ini sering ditemukan pada data runtut waktu time series karena gangguan pada seseorang individukelompok cenderung mempengaruhi gangguan pada
individukelompok yang sama pada periode berikutnya. Untuk mendeteksi ada atau tidaknya autokorelasi digunakan Uji Durbin Watson
DW test. Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model
regresi dan tidak ada variabel lag di antara variabel independen. Hipotesis yang akan diuji adalah :
Ho : tidak ada autokorelasi r=0. HA : ada autokorelasi r=0.
Pengambilan keputusan ada tidaknya autokorelasi disajikan pada tabel 3.1 sebagai berikut :
Tabel 3.1 Pengambilan Keputusan Autokorelasi Hipotesis nol
Keputusan Jika
Tidak ada autokorelasi positif
Tolak 0ddl
Tidak ada autokorelasi positif
No decision d
l≤d≤du Tidak ada autokorelasi
negatif Tolak
4-dld4 Tidak ada autokorelasi
negatif No decision
4- du≤d≤4-dl
Tidak ada autokorelasi positif atau negatif
Tidak ditolak Dud4-du
3.5.1.3 Uji Heteroskedastisitas
Menurut Ghozali 2006:125 uji heteroskedastisitas bertujuan menguji apakah dalam model regresi sering terjadi ketidaksamaan variance dari residual satu
BAB III Metode Penelitian 31
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut
Heteroskedastisitas. Model regresi yang baik adalah yang disebut Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Kebanyakan data crossection mengandung
situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil,sedang dan besar.
Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas dengan melihat Grafik Plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan
residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan
ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah distudentized Ghozali
2006:125-126. Dasar analisis menurut Ghozali 2006:126 :
1. Jika ada pola-pola tertentu, seperti titik-titik yang akan membentuk pola tertentu
yang teratur brergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.5.1.4 Uji Normalitas
Menurut Ghozali 2006:147 uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.
BAB III Metode Penelitian 32
Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid
untuk jumlah sampel kecil. Cara untuk mendeteksi apakah residual berdistribusi normal atau tidak dengan analisis grafik.
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan
distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapaat menyesatkan khususnya untuk jumlah sampel yang kecil.
Metode yang paling handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan
membentuk satu garis lurus diagonal, dan plotting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang
menggambarkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali 2006:147.
3.5.2 Pengujian Koefisien Regresi Secara Parsial
