2. Tidak terjadi multikolinieritas
3. Tidak terjadi heteroskedastisitas
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan yang diperoleh tidak lagi bersifat BLUE best linier unbiaset
estimator sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Autokorelasi
Yang dimaksud dengan Autokorelasi yaitu keadaan dimana kesalahan pengganggu dalam suatu periode tertentu berkorelasi
dengan kesalahan pengganggu periode yang lain, pengujian autokorelasi dilakukan dengan menggunakan uji statistik Durbin
Watson.
t = n
Ʃ e
t
– e
t
– 1
2
DW =
t = 2
Widarjono, 2005 : 18
t = n
Ʃ e
t 2
t = 1
Dimana : e
t
adalah residual perbedaan variabel tak bebas yang sebenarnya dengan variabel tak yang yang di taksir dari setiap
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
periode waktu. Sedangkan e
t
-1 adalah residual dari waktu sebelumnya.
Untuk mengetahui ada tidaknya gejala autokorelasi maka perlu di lihat tabel kriteria pngujian Durbin -Watson
Tabel 1 : Kriteria Durbin - Watson
Auto Daerah keragu- Tidak ada Daerah keragu- Auto
Koreksi kaguan Autokorelasi raguan
korelasi Positif
Positif atau Negatif negative
0 DL DU
4-dU 4-dL
Sumber : Widarjono, Agus. 2005. Ekonometrika Teori dan Aplikasi, Penerbit Ekonesia FE UII. Yogyakarta.
2. Multikolinieritas
Uji Multikolinieritas digunakan untuk mengetahui apakah ada hubungan linear antar variabel independen dalam model regresi.
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung nilai VIF Varience Inflation Factor .
Rumusnya adalah : VIF = 1 1 – R
2
Dimana dasar keputusan adalah sebagai berikut : a.
Jika nilai VIF 10, maka ada multikolinieritas b.
Jika nilai VIF 10, maka tidak ada multikolinieritas
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Untuk mendeteksi adanya multikolinieritas dapat dilihat dengan ciri - ciri sebagai berikut :
a. Koefisien determinasi berganda R
2
tinggi. b.
Koefisien korelasi sederhananya tinggi. c.
Nilai F
hitung
tinggi signifikan . Sebagian besar atau bahkan seluruh koefisien regresi tidak signifikan.
3. Heteroskedastisitas
