Nilai R
2
berkisar antara 0 sampai 1 , suatu R
2
sebesar 1 berarti ada kecocokan sempurna, sedangkan yang bernilai 0 berarti tidak ada hubungan
antara variabel tak bebas dengan variabel yang menjelaskan.
3.3.5. Pengujian Asumsi Klasik
Sebelum dilakukan regresi, terlebih dahulu dilakukan uji asumsi klasik untuk melihat apakah data terbebas dari maslah multikolinieritas,
heteroskedastisitas, dan autokorelasi. Uji asumsi klasik penting dilakukan untuk menghasilkan estimator yang linier tidak bias dengan varian yang minimum
Best Linier Unbiased Estimator = BLUE, yang berarti model regresi tidak mengandung masalah.
3.3.5.1. Uji Korelasi Parsial Antar Variabel Independen
Salah satu untuk mendeteksi multikolinieritas adalah dengan menguji koefisien korelasi r antar variabel independen. Sebagai aturan
main yang kasar rule of thumb, jika koefisien korelasi cukup tinggi katakanlah diatas 0,85 maka diduga ada multikolinieritas dalam model.
Sebaliknya jika koefisien korelasi relative rendah 0,85 maka diduga model tidak mengandung unsur multikolinieritas. Widarjono, 2005, 135
Tanpa adanya perbaikan multikolinieritas tetap menghasilkan estimator yang BLUE karena masalah estimator yang BLUE tidak
memerlukan asumsi tidak adanya korelasi antar variabel independen.
Multikolinieritas hanya menyebabkan kita kesulitan memperoleh estimator dengan standard error yang kecil. Widarjono, 2005, 139
3.3.5.2. Uji Heteroskedastisitas Metode White
Heteroskedastisitas adalah keadaan dimana faktor gangguan tidak memiliki varian yang sama. Pengujian terhadap gejala heteroskedastisitas
dapat dilakukan dengan melakukan White Test, yaitu dengan cara meregresi residual kuadrat Ui
2
dengan variabel bebas, variabel bebas kuadrat dan perkalian variabel bebas.
Pedoman dalam penggunaan model white test adalah jika nilai Chi- Square hitung
n. R
2
lebih besar dari nilai X
2
kritis dengan derajat kepercayaan tertentu
α maka ada heterokedasitisitas dan sebaliknya jika Chi-Square hitung lebih kecil dari nilai X
2
menunjukkan tidak adanya heterokedasitisitas.
3.3.5.3. Autokorelasi metode Lagrange Multipier
Ho : tidak ada autokorelasi Ha : ada autokorelasi
Dengan tingkat signifikan α sebesar 5 dan menggunakan
distribusi χ
2
, maka : Jika
χ
2
hitung χ
2
kritis, berarti Ho diterima Jika
χ
2
hitung χ
2
kritis, berarti Ho ditolak
Atau dengan cara lain untuk mendeteksi adanya autokorelasi dalam model bisa dilakukan menggunakan uji Durbin-Watson DW, yaitu dengan
cara membandingkan antara DW statistik d dengan d
L
dan d
U
, jika DW statistik berada diantara d
U
dan 4- d
U
maka tidak ada autokorelasi.
Autokorelasi ragu-ragu tidak ada autokorelasi ragu-ragu autokorelasi Positif
negatif
0 d
l
d
u
4-d
u
4-d
l
4
Gambar 3.1. Statistik Durbin-Watson d
Penentuan ada tidaknya autokorelasi dapat dilihat dengan jelas dalam Tabel 3.4. berikut ini :
Tabel 3.4. Uji Statistik Durbin-Watson
Nilai Statistik Hasil
0ddl Menolak hipotesa nul; ada autokorelasi positif
dl ≤d≤du
Daerah keragu-raguan; tidak ada keputusan
du ≤d≤4-du
Menerima hipotesa nul; tidak ada autokorelasi positif negatif
4-du ≤d≤4-dl Daerah keragu-raguan; tidak ada keputusan
4-dl ≤d≤4
Menolak hipotesa nul; ada autokorelasi negative
BAB IV HASIL DAN ANALISIS
