2
= 1 −
� 2
−� �2
−1
3.7 dimana k adalah banyaknya parameter dalam model termasuk faktor intersep.
Persamaan 3.7 dapat ditulis sebagai berikut:
2
= 1 −
�
2 2
3.8 Keterangan:
σ
2
: Varians residual S
y 2
: Varians sampel dari Y
3.4. Uji Ekonometrika
3.4.1. Uji Normalitas
Uji normalitas digunakan karena jumlah data yang digunakan kurang dari 30. Uji ini digunakan untuk melihat apakah galat telah mendekati distribusi
normal. Pada Software Minitab uji normalitas dilakukan dengan menggunakan Probability Plot.
Jika nilai probabilitas p-value lebih besar dari taraf nyata yang digunakan, maka model persamaan OLS yang digunakan tidak mempunyai
masalah normalitas atau galat terdistribusi secara normal. Jika terjadi masalah ketidaknormalan dapat dilakukan dengan
mentransformasikan peubah respon menjadi bentuk yang lebih normal. Secara teori, transformasi tersebut ada apabila sebaran dari variabel respon dapat
diketahui. Transformasi ini berguna untuk mengatasi kemenjuluran sebaran sisaan dan ketidaklinearan fungsi regresi.
3.4.2. Autokorelasi
Didalam berbagai penelitian seringkali terdeteksi adanya hubungan serius antara gangguan estimasi satu observasi dengan gangguan estimasi observasi yang
lain. Nisbah antara observasi inilah yang disebut sebagai masalah autokorelasi. Adanya autokorelasi akan menyebabkan terjadinya:
1 Dugaan parameter tak bias.
2 Nilai galat baku terautokorelasi, sehingga ramalan tidak efisien.
3 Ragam ralat terbias.
4 Terjadi pendugaan kurang pada ragam galat standard error
underestimated , sehingga S
b
underestimated. Oleh karena itu, t- overestimated
cenderung lebih besar dari sebenarnya. Uji autokorelasi dapat dilakukan dengan uji Durbin Watson. Statistik
Durbin Watson DW dapat menunjukkan ada tidaknya korelasi diri antara galat yang satu dengan galat lainnya.
=
�
−
�−1 �
3.9 dengan e
i
= jumlah persamaan kuadrat unsur sisa galat Kriteria uji yang digunakan untuk melihat adanya autokorelasi adalah
sebagai berikut: 1
Apabila nilai uji Durbin Watson 0-1,1, maka model persamaan yang digunakan mengalami masalah autokorelasi.
2 Apabila nilai uji Durbin Watson 1,1-1,54, maka model persamaan yang
digunakan tidak terdeteksi masalah autokorelasi.
3 Apabila nilai uji Durbin Watson 1,54-2,46, maka model persamaan yang
digunakan tidak mengalami masalah autokorelasi. 4
Apabila nilai uji Durbin Watson 2,46-2,9, maka model persamaan yang digunakan tidak terdeteksi masalah autokorelasi.
5 Apabila nilai uji Durbin Watson 2,9-4, maka model persamaan yang
digunakan mengalami masalah autokorelasi. Solusi dari masalah autokorelasi, yaitu dihilangkannya variabel yang
sebenarnya berpengaruh terhadap variabel tak bebas. Jika terjadi kesalahan dalam spesifikasi model, hal ini dapat diatasi dengan mentransformasi model, misalnya
dari model linear menjadi nonlinier atau sebaliknya.
3.4.3. Heteroskedastisitas
