3. Unbiassed = Nilai jumlah sampel sangat besar penaksir
parameter diperoleh dari sampel besar kira-kira mendekati nilai parameter.
4. Estimated = μi diharapkan sekecil mungkin. Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka
persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Uji Multikolinearitas
Persamaan regresi linier berganda di atas diasumsikan tidak terjadi pengaruh anatar variabel bebas. Apabila ternyata ada pengaruh
linier antar variabel bebas, maka asumsi tersebut tidak berlaku lagi terjadi bias.
Untuk mendeteksi adanya multikolinieritas dapat dilihat cirri- cirinya sebagai berikut :
a. Koefisien determinan berganda R square tinggi. b. Koefisien korelasi sederhananya tinggi.
c. Nilai F hitung tinggi signifikan. d. Tapi tak satupun sedikit sekali di antara variabel-variabel bebas
yang signifikan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Akibat adanya multikolinieritas adalah : 1. Nilai standart error standart baku tinggi sehingga taraf kepercayaan
confidence intervalnya akan semakin melebar. Dengan demikian, pengujian koefisien regresi secara individual menjadi tidak signifikan.
2. Probabilitas untuk menerima hipotesa Ho diterima tidak ada pengaruh antara variabel bebas terhadap variabel terikat akan
semakin besar. Identifikasi secara statistic ada atau tidaknya gejala multikolinier
dapat dilakukan dengan menghitung koefisien korelasi product moment atau Variance Inflation Factor VIF
VIF = Rj
Q −
1
VIF menyatakan tingkat “pembengkakan” varian. Apabila varians lebih besar dari 10. hal ini berarti terdapat multikolinieritas pada
persamaan regresi linier.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2. Uji Heteroskedatisitas
Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini biasa diidentifikasikan dengan cara menghitung
korelasi rank Spearman antara residual dengan seluruh variabel bebas. Rumus Rank Spearman adalah :
Rs = 1-6
1
2 2
−
∑
N N
di
Keterangan : di = Perbedaan dalam rank antara residual dengan variable bebas ke-
N = Banyaknya data
3. Uji Autokorelasi
Autokorelasi merupakan korelasi antara residual satu observasi dengan observasi lain yang disusun menurut urutan waktu time series
maupun menurut urutan ruang atau tempat cross section . Untuk melihat apakah hasil dari estimasi regresi tidak mengandung
korelasi, maka diperlukan uji. Yaitu dengan menggunakan uji Durbin Watson.
DW =
∑ ∑
=
− −
n t
n t
et et
et
1 2
2 2
1
• Jika d dl atau du 4 - dl maka Ho ditolak, dengan pilihan pada
alternatif yang berarti terdapat autokorelasi.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2 4
Menolak Ho Bukti
Autokorelasi Positif
Menolak Ho
Bukti Autokorelasi
Negatif
Menerima Ho atau Ho Atau kedua-duanya
• Jika d terletak antara du dan 4 – du maka Ho diterima yang berarti
tidak ada autokorelasi. •
Jika d terletak antara dl dan du atau diantara 4 – du dan 4 – dl,maka uji DW tidak menghasilkan kesimpulan yang pasti. Untuk nilai-nilai
ini tidak dapat pada suatu tingkat signifikan tertentu disimpulkan ada tidaknya autokorelasi diantara faktor-faktor gangguan.
Gambar 5: Kurva Durbin-Watson
Sumber : Gujarati, Damodar, 1999, Ekonometrika Dasar, Erlangga, Jakarta, Halaman 216.
Adanya autokorelasi didasarkan atas : 1.
Daerah A : Durbin Watson d
L,
tolak Ho autokorelasi positif.
2. Daerah B : d
L
Durbin Watson d
U,
ragu-ragu. 3.
Daerah C : d
U
Durbin Watson d
U
, terima Ho, non autokorelasi.
4. Daerah D : 4 – d
U
Durbin Watson 4 – d
U,
ragu-ragu. 5.
Daerah E : Durbin Watson 4 – d
L
, tolak Ho autokorelasi
negatif. Gujarati, 1999 : 217.
Daerah keragua-
raguan Daerah
keragua- raguan
d
L
d
U
4 – d
U
4 – d
L
d
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Pendekteksian adanya autokorelasi dapat dilakukan dengan menggunakan perhitungan besaran Durbin Watson. Panduan mengenai
angka D – W Durbin Watson untuk mendeteksi autokorelasi adalah: 1.
Angka D – W dibawah -2, berarti ada autokorelasi positif. 2. Angka D –W dibawah -2 sampai +2, berarti tidak ada autokorelasi.
3. Angka D – W diatas +2, berarti ada korelasi negatif.
3.4.3. Uji Hipotesis
Selanjutnya untuk mengetahui pengaruh secara simultan antara variabel bebas dan variabel terikat maka digunakan hipotesis sebagai
berikut :
a. Uji F
