u
t-1
= residual pada waktu ke-t-1 satu periode sebelumnya N =
Banyaknya data
Identifikasi gejala autokorelasi dapat dilakukan dengan kurva dibawah ini. Nilai tabel Durbin Watson dL dan dU dapat dicari dari tabel,
dengan mengetahui nilai k = jumlah variabel bebas dan N = jumlah data. Untuk mengetahui nilai dW tes berada di daerah mana dapat digunakan
tabel berikut :
Tabel 3.1:Penentuan nilai Durbin Watson
KRITERIA DW tes berada di
Ada autokorelasi positif 0 dW dL
Tidak ada keputusan dL
≤ dW ≤ dU Tidak ada autokorelasi
dU ≤ dW ≤ 4 - dU
Ada autokorelasi keputusan 4 – dU
≤ dW ≤ 4 – dL Ada autokorelasi negative
4 – dL dW 4 Setelah nilai Durbin Watson tes diperoleh untuk dapat mengetahui berada
didaerah mana dapat diplotkan pada ganbar kurva dibawah ini.
Gambar 2 : Autokorelasi
Sumber:Gujarati, 2007, Dasar - Dasar Ekonometrika, Penerbit Erlangga, Jakarta, Hal 122
2. Multikolinearitas
Multikolinearitas adalah terjadinya hubungan linier antar variabel bebas dalam persamaan regresi linier berganda. Uji Multikolinearitas
bertujuan untuk menguji apakah dalam persamaan regresi ditemukan adanya korelasi antara variabel bebas.
Untuk mendeteksi adanya multikolinieritas dapat dilihat ciri- cirinya sebagai berikut :
Koefisien determinasi berganda R square tinggi.
Koefisien korelasi sederhananya tinggi.
Nilai F hitung tinggi signifikan
Tapi tak satupun atau sedikit sekali diantara variabel bebas yang
signifikan Gujarati, 2007: 68 Identifikasi secara statistik ada atau tidaknya gejala multikolinier
dapat dilakukan dengan menghitung Variance Inflantion Factor VIF, dengan rumus :
Nilai 1-R²j disebut Toleransi Tolerance yang diperoleh dengan meregresikan antar variabel bebas. R²j adalah nilai koefisien determinasi
persamaan regresi antar variabel bebas. Banyaknya nilai munculnya VIF sebanyak jumlah variabel bebas yang ada dalam persamaan regresi.
Apabila nilai VIF 10 maka persamaan regresi linier berganda tersebut tidak terkena multikolinier Gurajati, 2007: 70
3. Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
lainnya. Untuk mendeteksi ada atau tidak adanya heteroskedastisitas digunakan uji Rank Spearman yaitu membandingkan antara residual
dengan variabel bebas. Rumus Rank Spearman adalah :
rs = 1 – 6
Keterangan : d
i
: Perbedaan dalam rank antara residual dengan variabel setiap bebas.
n : Banyaknya data
Hipotesis untuk menguji heteroskedastisitas. Ho :
σ
1
= σ
m
tidak bersifat heteroskedastisitas H
1
: σ
1
≠ σ
m
bersifat heteroskedastisitas
Apabila nilai signifikan hitung sig tingkat signifikan = 0,05 maka Ho diterima berarti tidak terjadi heteroskedastisitas.
Apabila nilai signifigan hitung sig tingkat signifikan = 0,05 maka
Ho diterima berarti terjadi heteroskedastisitas. Algifari, 2000: 86
3.4.1.3.Teknik Analisa
